Analyse Numerique.pdf

  • Uploaded by: lea
  • 0
  • 0
  • February 2021
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Analyse Numerique.pdf as PDF for free.

More details

  • Words: 165,049
  • Pages: 490
Loading documents preview...
André

Fortin

Analyse numérique pour ingénieurs Quatrième édition

André

Fortin Professeur à l’Université Laval

Analyse numérique pour ingénieurs Quatrième édition

Presses internationales

P o ly t e c h n i q u e

Analyse numérique pour ingénieurs, quatrième édition André Fortin

Couverture : Cyclone Design

Pour connaître nos distributeurs et nos points de vente, veuillez consulter notre site Web à l’adresse suivante : www.polymtl.ca/pub Courriel des Presses internationales Polytechnique : [email protected]

Nous reconnaissons l’aide financière du gouvernement du Canada par l’entremise du Fonds du livre du Canada pour nos activités d’édition. Gouvernement du Québec – Programme de crédit d’impôt pour l’édition de livres – Gestion SODEC.

Tous droits réservés © Presses internationales Polytechnique, 2011

On ne peut reproduire ni diffuser aucune partie du présent ouvrage, sous quelque forme ou par quelque procédé que ce soit, sans avoir obtenu au préalable l’autorisation écrite de l’éditeur. Dépôt légal : 4e trimestre 2011 Bibliothèque et Archives nationales du Québec Bibliothèque et Archives Canada

ISBN 978-2-553-01622-6 (version imprimée) ISBN 978-2-553-01624-0 (version pdf) Imprimé au Canada

À mon épouse Marie et mes fils Michel et Jean-Philippe

Une pensée spéciale pour mon père et pour Line et Marc ainsi que pour ma mère qui nous a quittés

Avant-propos à la quatrième édition L’analyse numérique et les méthodes numériques en général poursuivent leur essor considérable amorçé depuis plusieurs années. La vaste majorité des facultés de génie offrent au moins un cours d’introduction à cette discipline, suivi très souvent d’un second cours plus avancé. Ce manuel reflète mon expérience comme professeur d’analyse numérique aux ingénieurs, d’abord à l’École Polytechnique de Montréal et, par la suite, à l’Université Laval à Québec. Chaque année, plus de 500 étudiants de ces deux institutions suivent un tel cours qui propose un survol des principales méthodes numériques élémentaires et couvre plus particulièrement les sujets suivants : – analyse d’erreurs ; – racines d’une équation algébrique ; – systèmes d’équations linéaires et non linéaires ; – méthodes itératives et systèmes dynamiques ; – interpolation ; – différentiation et intégration numériques ; – équations différentielles ordinaires. L’approche pédagogique de ce manuel repose toujours sur une compréhension profonde des méthodes plutôt que sur l’aspect calculatoire. Cela signifie que les exemples choisis cherchent avant tout à illustrer différents aspects des méthodes et à souligner leurs avantages et leurs inconvénients. Cette approche est justifiée en partie par le fait que de plus en plus d’ingénieurs utilisent des outils logiciels commerciaux. L’objectif de ce manuel est donc de faire des étudiants des utilisateurs intelligents, en ce sens qu’ils sauront exactement à quoi s’attendre de chaque méthode et qu’ils seront en mesure de valider leurs résultats. Le prix francophone du livre et de la technologie, ou prix Roberval, décerné par l’Université de Compiègne en France, est venu récompenser mes efforts en 1996. Ce fut une belle récompense, mais il demeure que rien ne vaut les commentaires des principaux intéressés, les étudiants. Bien entendu, on ne peut plaire à tous, et cet ouvrage ne fait pas exception, mais j’ai quand même senti un accueil largement favorable. C’est un encouragement à poursuivre le travail entrepris, à améliorer la présentation et à rechercher d’autres exemples et applications. C’est encore le but visé par cette quatrième édition qui ne contient pas de modifications majeures par rapport à la troisième. Quelques sections ont été réécrites, dans l’espoir d’en améliorer la présentation et d’en faciliter la v

vi

Avant-propos

compréhension. C’est le cas notamment pour la section sur la transformée de Fourier rapide et celle sur la méthode de Runge-Kutta-Fehlberg. J’ai modifié la numérotation des définitions, exemples, remarques, etc. Ainsi, la remarque 1.2 précédera l’exemple 1.3 et suivra forcément la définition 1.1. Le lecteur devrait s’y retrouver plus facilement dans le texte. Certains exercices plus élaborés sont maintenant identifiés par le symbole et nécessitent l’emploi de l’ordinateur. Pour résoudre ces exercices, la plupart des méthodes décrites sont disponibles sous forme de programmes en langage Matlab à l’adresse Internet suivante : www.giref.ulaval.ca/∼afortin/ Ces programmes constituent un complément fort utile pour explorer les possibilités et limites des différentes méthodes présentées. L’aide en ligne permettra au lecteur de reprendre certains des exemples décrits dans ce manuel et ainsi de s’initier à l’utilisation des différentes méthodes qui y sont décrites. On peut également s’en servir comme outil pour d’éventuels travaux pratiques en laboratoire ou pour des devoirs. En terminant, j’aimerais remercier toutes les personnes qui ont contribué à la réalisation de ce manuel. Mme Carole Burney-Vincent, M. Gilles Savard M. et M. Robert Roy de l’École Polytechnique de Montréal ont patiemment lu et commenté plusieurs chapitres de la première édition. Plusieurs personnes ont contribué de près ou de loin aux éditions subséquentes. À l’Université Laval, M. Michel Fortin m’a fortement incité à inclure de nouvelles sections, notamment sur les NURBS, tandis que messieurs Roger Pierre et José Urquiza ont eu la patience de relire et de commenter plusieurs des nouveaux ajouts. Je note aussi la contribution de M. Robert Guénette qui m’a proposé quelques nouveaux sujets ainsi que de nombreux exercices. Enfin, je ne peux passer sous silence l’appui inconditionnel de mon épouse Marie et de mes fils Michel et Jean-Philippe qui ont dû, entre autres choses, subir mes absences fréquentes lors de la rédaction et de la mise en pages finale de cet ouvrage. Lorsque j’en ai commencé la rédaction, je ne me serais jamais douté que mes deux fils auraient à l’utiliser eux-mêmes dans l’un de leurs cours... Que chacun et chacune veuillent bien trouver ici l’expression de ma plus profonde reconnaissance.

André Fortin

Table des matières 1 Analyse d’erreurs 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Erreurs de modélisation . . . . . . . . . . . . . . . . . 1.3 Représentation des nombres sur ordinateur . . . . . . . 1.3.1 Représentation des entiers signés . . . . . . . . 1.3.2 Représentation des nombres réels . . . . . . . . 1.3.3 Erreurs dues à la représentation . . . . . . . . 1.4 Norme IEEE-754 . . . . . . . . . . . . . . . . . . . . . 1.4.1 Exceptions . . . . . . . . . . . . . . . . . . . . 1.4.2 Nombres non normalisés . . . . . . . . . . . . . 1.5 Arithmétique flottante . . . . . . . . . . . . . . . . . . 1.5.1 Opérations élémentaires . . . . . . . . . . . . . 1.5.2 Opérations risquées . . . . . . . . . . . . . . . . 1.5.3 Évaluation des polynômes . . . . . . . . . . . . 1.6 Erreurs de troncature . . . . . . . . . . . . . . . . . . . 1.6.1 Développement de Taylor en une variable . . . 1.6.2 Développement de Taylor en plusieurs variables 1.6.3 Propagation d’erreurs dans le cas général . . . 1.7 Évaluation de la fonction ex . . . . . . . . . . . . . . . 1.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

1 1 4 7 9 11 12 14 16 17 18 19 22 26 27 28 34 35 38 42

2 Équations non linéaires 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . 2.2 Méthode de la bissection . . . . . . . . . . . . . . . 2.3 Méthodes des points fixes . . . . . . . . . . . . . . 2.3.1 Convergence de la méthode des points fixes 2.3.2 Interprétation géométrique . . . . . . . . . 2.3.3 Extrapolation d’Aitken . . . . . . . . . . . . 2.4 Méthode de Newton . . . . . . . . . . . . . . . . . 2.4.1 Interprétation géométrique . . . . . . . . . 2.4.2 Analyse de convergence . . . . . . . . . . . 2.4.3 Cas des racines multiples . . . . . . . . . . 2.5 Méthode de la sécante . . . . . . . . . . . . . . . . 2.6 Applications . . . . . . . . . . . . . . . . . . . . . . 2.6.1 Modes de vibration d’une poutre . . . . . . 2.6.2 Premier modèle de viscosité . . . . . . . . . 2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

49 49 50 54 58 62 65 67 69 69 73 77 80 81 83 86

vii

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . .

viii

Table des matières

3 Systèmes d’équations algébriques 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . 3.2 Systèmes linéaires . . . . . . . . . . . . . . . . . . . 3.3 Opérations élémentaires sur les lignes . . . . . . . . 3.3.1 Multiplication d’une ligne par un scalaire . 3.3.2 Permutation de deux lignes . . . . . . . . . 3.3.3 Opération (⃗li ← ⃗li + λ⃗lj ) . . . . . . . . . . . 3.4 Élimination de Gauss . . . . . . . . . . . . . . . . . 3.5 Décomposition LU . . . . . . . . . . . . . . . . . . 3.5.1 Principe de la méthode . . . . . . . . . . . 3.5.2 Décomposition de Crout . . . . . . . . . . . 3.5.3 Décomposition LU et permutation de lignes 3.5.4 Factorisation de Choleski . . . . . . . . . . 3.5.5 Les systèmes tridiagonaux . . . . . . . . . . 3.6 Calcul de la matrice inverse A−1 . . . . . . . . . . 3.7 Effets de l’arithmétique flottante . . . . . . . . . . 3.8 Conditionnement d’une matrice . . . . . . . . . . . 3.9 Systèmes non linéaires . . . . . . . . . . . . . . . . 3.10 Applications . . . . . . . . . . . . . . . . . . . . . . 3.10.1 Calcul des tensions dans une ferme . . . . . 3.10.2 Deuxième modèle de viscosité . . . . . . . . 3.10.3 Réseau de distribution d’eau . . . . . . . . 3.11 Exercices . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

95 95 95 100 101 102 103 104 108 108 109 115 119 122 124 127 132 142 149 149 152 154 157

4 Méthodes itératives et systèmes dynamiques discrets 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Application quadratique . . . . . . . . . . . . . . . . . . 4.3 Méthodes des points fixes : cas complexe . . . . . . . . . 4.4 Rappels sur les valeurs et vecteurs propres . . . . . . . . 4.4.1 Méthode des puissances . . . . . . . . . . . . . . 4.4.2 Méthode des puissances inverses . . . . . . . . . 4.5 Méthodes des points fixes en dimension n . . . . . . . . 4.6 Méthodes itératives pour les systèmes linéaires . . . . . 4.6.1 Méthode de Jacobi . . . . . . . . . . . . . . . . . 4.6.2 Méthode de Gauss-Seidel . . . . . . . . . . . . . 4.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

167 167 167 176 181 183 186 187 195 197 202 205

5 Interpolation 5.1 Introduction . . . . . . . . . . . . . . 5.2 Matrice de Vandermonde . . . . . . . 5.3 Interpolation de Lagrange . . . . . . 5.4 Polynôme de Newton . . . . . . . . . 5.5 Erreur d’interpolation . . . . . . . . 5.6 Splines cubiques . . . . . . . . . . . 5.6.1 Courbes de la forme y = f (x) 5.6.2 Splines paramétrées . . . . . 5.7 Krigeage . . . . . . . . . . . . . . . . 5.7.1 Effet pépite . . . . . . . . . . 5.7.2 Courbes paramétrées . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

207 207 209 210 214 221 229 230 238 242 249 253

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

Table des matières 5.7.3 Cas multidimensionnel . . . . . . . . Transformée de Fourier discrète . . . . . . . Introduction aux NURBS . . . . . . . . . . 5.9.1 B-splines . . . . . . . . . . . . . . . 5.9.2 Génération de courbes . . . . . . . . 5.9.3 B-splines rationnelles non uniformes 5.9.4 Construction des coniques . . . . . . 5.9.5 Construction des surfaces . . . . . . 5.10 Exercices . . . . . . . . . . . . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

256 258 270 270 276 276 278 280 282

6 Différentiation et intégration numériques 6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Différentiation numérique . . . . . . . . . . . . . . . . . 6.2.1 Dérivées d’ordre 1 . . . . . . . . . . . . . . . . . 6.2.2 Dérivées d’ordre supérieur . . . . . . . . . . . . . 6.3 Extrapolation de Richardson . . . . . . . . . . . . . . . 6.4 Intégration numérique . . . . . . . . . . . . . . . . . . . 6.4.1 Formules de Newton-Cotes simples et composées 6.4.2 Méthode de Romberg . . . . . . . . . . . . . . . 6.4.3 Quadratures de Gauss-Legendre . . . . . . . . . . 6.4.4 Intégration à l’aide des splines . . . . . . . . . . . 6.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.1 Courbe des puissances classées . . . . . . . . . . 6.5.2 Puissance électrique d’un ordinateur . . . . . . . 6.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

291 291 291 292 298 302 304 304 319 322 330 332 332 332 334

7 Équations différentielles 7.1 Introduction . . . . . . . . . . . . . . . . . . . . . 7.2 Méthode d’Euler explicite . . . . . . . . . . . . . 7.3 Méthodes de Taylor . . . . . . . . . . . . . . . . 7.4 Méthodes de Runge-Kutta . . . . . . . . . . . . . 7.4.1 Méthodes de Runge-Kutta d’ordre 2 . . . 7.4.2 Méthode de Runge-Kutta d’ordre 4 . . . . 7.4.3 Contrôle de l’erreur . . . . . . . . . . . . . 7.5 Méthodes à pas multiples . . . . . . . . . . . . . 7.6 Systèmes d’équations différentielles . . . . . . . . 7.7 Équations d’ordre supérieur . . . . . . . . . . . . 7.8 Stabilité absolue . . . . . . . . . . . . . . . . . . 7.8.1 Quelques mots sur les méthodes implicites 7.9 Méthodes de tir . . . . . . . . . . . . . . . . . . . 7.9.1 Équations linéaires . . . . . . . . . . . . . 7.9.2 Équations non linéaires . . . . . . . . . . 7.10 Méthodes des différences finies . . . . . . . . . . 7.11 Applications . . . . . . . . . . . . . . . . . . . . . 7.11.1 Problème du pendule . . . . . . . . . . . . 7.11.2 Systèmes de masses et de ressorts . . . . . 7.11.3 Attracteur étrange de Lorenz . . . . . . . 7.11.4 Défi du golfeur . . . . . . . . . . . . . . . 7.12 Exercices . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

341 341 343 350 354 354 357 360 363 370 373 375 380 384 384 394 397 401 401 405 408 411 416

5.8 5.9

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . .

ix

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

x

Table des matières Réponses Réponses Réponses Réponses Réponses Réponses Réponses

aux aux aux aux aux aux aux

exercices exercices exercices exercices exercices exercices exercices

du du du du du du du

chapitre chapitre chapitre chapitre chapitre chapitre chapitre

1 2 3 4 5 6 7

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

425 431 438 447 449 457 464

Chapitre 1

Analyse d’erreurs 1.1

Introduction

Les cours traditionnels de mathématiques nous familiarisent avec des théories et des méthodes qui permettent de résoudre de façon analytique un certain nombre de problèmes. C’est le cas notamment des techniques d’intégration et de résolution d’équations algébriques ou différentielles. Bien que l’on puisse proposer plusieurs méthodes pour résoudre un problème donné, celles-ci conduisent à un même résultat, normalement exempt d’erreur. C’est ici que l’analyse numérique se distingue des autres champs plus classiques des mathématiques. En effet, pour un problème donné, il est possible d’utiliser plusieurs techniques de résolution qui résultent en différents algorithmes. 1 Ces algorithmes dépendent de certains paramètres qui influent sur la précision du résultat. De plus, on utilise en cours de calcul des approximations plus ou moins précises. Par exemple, on peut remplacer une dérivée par une différence finie de façon à transformer une équation différentielle en une équation algébrique. Le résultat final et son ordre de précision dépendent des choix que l’on fait. Une partie importante de l’analyse numérique consiste donc à contenir les effets des erreurs ainsi introduites, qui proviennent de trois sources principales : – les erreurs de modélisation ; – les erreurs de représentation sur ordinateur ; – les erreurs de troncature. Les erreurs de modélisation, comme leur nom l’indique, proviennent de l’étape de mathématisation du phénomène physique auquel on s’intéresse. Cette étape consiste à faire ressortir les causes les plus déterminantes du phénomène observé et à les mettre sous forme d’équations (différentielles le plus souvent). Si le phénomène observé est très complexe, il faut simplifier et négliger ses composantes qui paraissent moins importantes ou qui rendent la résolution numérique trop difficile. C’est ce que l’on appelle les erreurs de modélisation. La deuxième catégorie d’erreurs est liée à l’utilisation de l’ordinateur. En effet, la représentation sur ordinateur (généralement binaire) des nombres e

1. Le mot algorithme vient du mathématicien arabe Al-Khuwarizmı (VIII siècle après J.-C.) qui fut l’un des premiers à utiliser une séquence de calculs simples pour résoudre certaines équations quadratiques. Il est l’un des pionniers de l’al-jabr (l’algèbre).

2

Chapitre 1

introduit souvent des erreurs. Même infimes au départ, ces erreurs peuvent s’accumuler lorsqu’on effectue un très grand nombre d’opérations. Par exemple, la fraction 31 n’a pas de représentation binaire finie, pas plus qu’elle ne possède de représentation décimale finie. On ne pourra donc pas représenter exactement cette fraction, ce qui introduit une erreur. Ces erreurs se propagent au fil des calculs et peuvent compromettre la précision des résultats. Enfin, les erreurs de troncature proviennent principalement de l’utilisation du développement de Taylor, qui permet par exemple de remplacer une équation différentielle par une équation algébrique. Le développement de Taylor est le principal outil mathématique du numéricien. Il est primordial d’en maîtriser l’énoncé et ses conséquences. Ce chapitre traite donc principalement d’erreurs numériques, et non des inévitables erreurs de programmation qui font, hélas, partie du quotidien du numéricien. Il devrait permettre au lecteur de mieux gérer les erreurs au sein des processus numériques afin d’être en mesure de mieux interpréter les résultats. Introduisons d’abord un peu de terminologie qui nous permettra éventuellement de quantifier les erreurs. Définition 1.1 Soit x, un nombre, et x∗ , une approximation de ce nombre. L’erreur absolue est définie par : ∆x = |x − x∗ | (1.1)

Définition 1.2 Soit x, un nombre, et x∗ , une approximation de ce nombre. L’erreur relative est définie par : |x − x∗ | ∆x ∆x Er (x∗ ) = = ≃ ∗ (1.2) |x| |x| |x | De plus, en multipliant par 100 %, on obtient l’erreur relative en pourcentage.

En pratique, il est difficile d’évaluer les erreurs absolue et relative, car on ne connaît généralement pas la valeur exacte de x et l’on n’a que x∗ . C’est pourquoi on utilise l’approximation ∆x/|x∗ | pour l’erreur relative. Dans le cas de quantités mesurées expérimentalement dont on ne connaît que la valeur approximative, on dispose souvent d’une borne supérieure pour l’erreur absolue qui dépend de la précision des instruments de mesure utilisés. Cette borne est quand même appelée erreur absolue, alors qu’en fait on a : |x − x∗ | ≤ ∆x ce qui peut également s’écrire : x∗ − ∆x ≤ x ≤ x∗ + ∆x x∗ ± ∆x.

(1.3)

et que l’on note parfois x = On peut interpréter ce résultat en disant que l’on a estimé la valeur exacte x à partir de x∗ avec une incertitude de ∆x de part et d’autre.

Analyse d’erreurs

3

L’erreur absolue donne une mesure quantitative de l’erreur commise et l’erreur relative en mesure l’importance. Par exemple, si l’on fait usage d’un chronomètre dont la précision est de l’ordre du dixième de seconde, l’erreur absolue est bornée par 0,1 s. Mais est-ce une erreur importante ? Dans le contexte d’un marathon d’une durée approximative de 2 h 20 min, l’erreur relative liée au chronométrage est très faible : 0,1 = 0,000 0119 2 × 60 × 60 + 20 × 60 et ne devrait pas avoir de conséquence sur le classement des coureurs. Par contre, s’il s’agit d’une course de 100 m d’une durée d’environ 10 s, l’erreur relative est beaucoup plus importante : 0,1 = 0,01 10,0 soit 1 % du temps de course. Avec une telle erreur, on ne pourra vraisemblablement pas distinguer le premier du dernier coureur. Cela nous amène à parler de précision et de chiffres significatifs au sens de la définition suivante. Définition 1.3 Si l’erreur absolue vérifie : ∆x ≤ 0,5 × 10m alors le chiffre correspondant à la me puissance de 10 est dit significatif et tous ceux à sa gauche, correspondant aux puissances de 10 supérieures à m, le sont aussi. On arrête le compte au dernier chiffre non nul. Il existe une exception à la règle. Si le chiffre correspondant à la me puissance de 10 est nul ainsi que tous ceux à sa gauche, on dit qu’il n’y a aucun chiffre significatif. Inversement, si un nombre est donné avec n chiffres significatifs, on commence à compter à partir du premier chiffre non nul à gauche et l’erreur absolue est inférieure à 0,5 fois la puissance de 10 correspondant au dernier chiffre significatif. Remarque 1.4 En pratique, on cherchera à déterminer une borne pour ∆x aussi petite que possible et donc la valeur de m la plus petite possible. 

Exemple 1.5 On obtient une approximation de π (x = π) au moyen de la quantité (x∗ = 22 7 = 3,142 857 · · · ). On en conclut que : 22 ∆x = π − = 0,001 26 · · · ≃ 0,126 × 10−2 7

22 7

Puisque l’erreur absolue est plus petite que 0,5 × 10−2 , le chiffre des centièmes est significatif et on a en tout 3 chiffres significatifs (3,14). 

4

Chapitre 1

Exemple 1.6 Si l’on retient 3,1416 comme approximation de π, on a : ∆x = |π − 3,1416| ≃ 0,73 × 10−5 et l’erreur absolue est inférieure à 0,5 × 10−4 . Le chiffre correspondant à cette puissance de 10 (6) est significatif au sens de la définition, ainsi que tous les chiffres situés à sa gauche. Il est à remarquer que le chiffre 6 dans 3,1416 est significatif même si la quatrième décimale de π est un 5 (3,141 59 · · · ). L’approximation 3,1416 possède donc 5 chiffres significatifs. 

Exemple 1.7 On a mesuré le poids d’une personne et trouvé 90,567 kg. On vous assure que l’appareil utilisé est suffisamment précis pour que tous les chiffres fournis soient significatifs. En vertu de la remarque précédente, puisque le dernier chiffre significatif correspond aux millièmes (milligrammes), cela signifie que : ∆x ≤ 0,5 × 10−3 kg En pratique, on conclut que ∆x = 0,5 × 10−3 kg. 

1.2

Erreurs de modélisation

La première étape de la résolution d’un problème, et peut-être la plus délicate, consiste à modéliser le phénomène observé. Il s’agit en gros d’identifier tous les facteurs internes et externes qui influent (ou que l’on soupçonne d’influer) sur les résultats. Dans le cas d’un phénomène physique, on fait l’inventaire des forces en présence : gravitationnelle, de friction, électrique, etc. On a par la suite recours aux lois de conservation de la masse, de l’énergie, de la quantité de mouvement et à d’autres principes mathématiques pour traduire l’influence de ces différents facteurs sous forme d’équations. Le plus souvent, on obtient des équations différentielles ou aux dérivées partielles. L’effort de modélisation produit en général des systèmes d’équations complexes qui comprennent un grand nombre de variables inconnues. Pour réussir à les résoudre, il faut simplifier certaines composantes et négliger les moins importantes. On fait alors une première erreur de modélisation. De plus, même bien décomposé, un phénomène physique peut être difficile à mettre sous forme d’équations. On introduit alors un modèle qui décrit au mieux son influence, mais qui demeure une approximation de la réalité. On commet alors une deuxième erreur de modélisation. Illustrons cette démarche à l’aide d’un exemple.

Analyse d’erreurs

l

5

θ(t)

m Figure 1.1 – Problème du pendule

Exemple 1.8 Le problème du pendule est connu depuis très longtemps (voir par exemple Simmons, réf. [33]). Une masse m est suspendue à une corde de longueur l (fig. 1.1). Au temps t = 0, on suppose que l’angle θ(0) entre la corde et la verticale est θ0 et que sa vitesse angulaire θ′ (0) est θ0′ . Les forces en présence sont, d’une part, la gravité agissant sur la masse et la corde et, d’autre part, la friction de l’air agissant sur tout le système. Suivant la deuxième loi de Newton, la force due à l’accélération tangentielle mlθ′′ (t) est équilibrée par la composante tangentielle de l’accélération gravitationnelle mg sin(θ(t)) et par la force de friction Ff qui s’oppose au mouvement. On a alors : mlθ′′ (t) = −mg sin(θ(t)) − Ff Pour connaître comment se comporte la force de friction Ff en fonction de θ(t), il faut recourir à des mesures expérimentales, qui démontrent que la friction est à peu près proportionnelle à la vitesse lθ′ (t) avec un coefficient de proportionnalité cf . Il est important de remarquer que cette loi est approximative et que le coefficient cf est obtenu avec une précision limitée. Tout cela entraîne des erreurs de modélisation. On obtient une équation différentielle du second ordre :  −cf θ′ (t) g sin(θ(t))   θ′′ (t) = − m l (1.4) = θ0   θ(0) ′ ′ θ (0) = θ0 L’équation différentielle 1.4 est non linéaire et l’on démontre qu’elle ne possède pas de solution analytique simple. Une brève analyse montre qu’il est raisonnable de négliger la friction de l’air, car les vitesses de mouvement sont faibles. Il s’agit encore d’une erreur de modélisation, qui paraît acceptable à cette étape de l’analyse. Si les résultats se révèlent insatisfaisants, il faudra revenir en arrière et identifier, parmi les

6

Chapitre 1 0,10 0,08 0,06

θ(t) 0,04 0,02 0 -0,02 -0,04 -0,06 -0,08 -0,10

0

5

10

15

20

Temps (s)

Friction non négligée 0,10 0,08

θ(t) 0,06 0,04 0,02 0 -0,02 -0,04 -0,06 -0,08 -0,10

0

5

10

15

20

Temps (s)

Friction négligée Figure 1.2 – Deux solutions au problème du pendule

forces négligées, celle qui était la plus importante. Une analyse adimensionnelle est souvent nécessaire pour y arriver. Même en négligeant la friction, ce qui revient à poser cf = 0, l’équation résultante ne possède toujours pas de solution simple. En effet, sa résolution fait intervenir les intégrales elliptiques (Simmons, réf. [33]) qui ne peuvent s’exprimer en fonctions élémentaires. Puisque tel est le but, on doit encore simplifier le problème. On peut par exemple supposer que les angles sont petits et que sin(θ(t)) ≈ θ(t). Il en résulte le problème simplifié suivant :  −g θ(t)   θ′′ (t) = l (1.5) θ(0) = θ 0   ′ θ (0) = θ0′ qui possède la solution périodique classique : θ(t) = A cos(ωt) + B sin(ωt) où ω 2 =

g l

(1.6)

et les constantes A et B sont déterminées par les conditions initiales

Analyse d’erreurs

7

θ0′

(A = θ0 , B = ω ). La figure 1.2 permet la comparaison entre les solutions des équations différentielles 1.4 et 1.5 dans le cas où θ0 = 0,1 et θ0′ = 0. L’équation 1.6 est la solution analytique de l’équation différentielle 1.5, alors que l’équation différentielle 1.4 ne possède qu’une solution numérique (nous la reverrons au chapitre 7). On remarque immédiatement que la solution numérique (où la friction n’est pas négligée) prévoit l’amortissement du mouvement avec le temps, tandis que la solution analytique reste parfaitement périodique. La solution numérique est de toute évidence plus près de ce que l’on observe pour un pendule.  Remarque 1.9 Les erreurs de modélisation, quoique très importantes, ne font pas partie de la matière de ce livre. Nous faisons l’hypothèse que les problèmes étudiés sont bien modélisés, bien que ce ne soit pas toujours le cas en pratique.

1.3

Représentation des nombres sur ordinateur

Un ordinateur ne peut traiter les nombres de la même manière que l’être humain. Il doit d’abord les représenter dans un système qui permet l’exécution efficace des diverses opérations. Cela peut entraîner des erreurs de représentation sur ordinateur, qui sont inévitables et dont il est souhaitable de comprendre l’origine afin de mieux en maîtriser les effets. Cette section présente les principaux éléments d’un modèle de représentation des nombres sur ordinateur. Ce modèle est utile pour comprendre le fonctionnement type des ordinateurs ; il ne peut bien entendu tenir compte des caractéristiques sans cesse changeantes des ordinateurs modernes. La structure interne de la plupart des ordinateurs s’appuie sur le système binaire. L’unité d’information ou bit prend la valeur 0 ou 1. Évidemment, très peu d’information peut être accumulée au moyen d’un seul bit. On regroupe alors les bits en mots de longueur variable (les longueurs de 8, de 16, de 32 ou de 64 bits sont les plus courantes). Les nombres, entiers et réels, sont représentés de cette manière, bien que leur mode précis de représentation soit variable. Puisque le système binaire est à la base de la représentation des nombres dans la vaste majorité des ordinateurs, nous rappelons brièvement comment convertir des entiers positifs et des fractions décimales en notation binaire. Représentation des entiers positifs en binaire Pour transformer un entier positif N dans sa représentation binaire habituelle, il faut déterminer les ai tels que : (N )10 = (an−1 an−2 an−3 · · · a2 a1 a0 )2 ou encore : N = an−1 × 2n−1 + an−2 × 2n−2 + an−3 × 2n−3 + · · · + a2 × 22 + a1 × 21 + a0 × 20

8

Chapitre 1

Dans ce qui précède, l’indice inférieur indique la base utilisée. On obtient la valeur des ai en suivant la démarche suivante : en divisant N par 2, on obtient a0 (le reste de la division) plus un entier ; on refait le même raisonnement avec la partie entière de N2 (en négligeant la partie fractionnaire ou reste) pour obtenir a1 ; on continue ainsi jusqu’à ce que la partie entière soit nulle. Exemple 1.10 Si N = (1000)10 , on a : 1000 2 500 2 250 2 125 2 62 2 31 2 15 2 7 2 3 2 1 2

= 500 reste 0 = 250 reste 0 = 125 reste 0 = 62 reste 1 = 31 reste 0 = 15 reste 1 = 7 reste 1 = 3 reste 1 = 1 reste 1 = 0 reste 1

c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d.

a0 a1 a2 a3 a4 a5 a6 a7 a8 a9

=0 =0 =0 =1 =0 =1 =1 =1 =1 =1

Ainsi, l’entier décimal 1000 s’écrit 11 1110 1000 en base 2. 

Conversion d’une fraction décimale en valeur binaire La méthode de conversion d’une fraction décimale en valeur binaire est similaire à celle que l’on utilise dans le cas des entiers. Soit f , une fraction décimale comprise entre 0 et 1. Il faut donc trouver les di tels que : (f )10 = (0,d1 d2 d3 · · · )2 = d1 × 2−1 + d2 × 2−2 + d3 × 2−3 + · · · On doit donc évaluer la suite d1 d2 d3 · · · aussi appelée la mantisse. Si l’on multiplie f par 2, on obtient d1 plus une fraction. En appliquant le même raisonnement à (2f − d1 ), on obtient d2 . On poursuit ainsi jusqu’à ce que la partie fractionnaire soit nulle ou que l’on ait atteint le nombre maximal de chiffres de la mantisse. Exemple 1.11 Si f = 0,0625, on a : 0,0625 × 2 0,1250 × 2 0,2500 × 2 0,5000 × 2

= = = =

0,1250 0,2500 0,5000 1,0000

c.-à-d. c.-à-d. c.-à-d. c.-à-d.

ce qui signifie que (0,0625)10 = (0,0001)2 . 

d1 d2 d3 d4

=0 =0 =0 =1

Analyse d’erreurs

9

Exemple 1.12 Si f = 13 , on a : 1 3 2 3 1 3 2 3

×2 ×2 ×2 ×2 .. .

= = = =

0+ 1+ 0+ 1+ .. .

2 3 1 3 2 3 1 3

c.-à-d. c.-à-d. c.-à-d. c.-à-d.

d1 d2 d3 d4

=0 =1 =0 =1 .. .

On peut poursuivre la conversion à l’infini et démontrer que : 1 = (0,010 101 · · · )2 3 En pratique, puisque l’on n’utilise qu’un nombre fini de chiffres dans la mantisse, il faudra s’arrêter après n bits. 

Remarque 1.13 Lorsqu’un nombre ne peut pas être représenté exactement avec le nombre de chiffres (bits) prévus dans la mantisse, il faut recourir à la troncature ou à l’arrondi. Si l’on travaille en notation décimale et si l’on souhaite utiliser la troncature avec 4 chiffres dans la mantisse (n dans le cas général), on coupe les décimales restantes à partir de la cinquième ((n + 1)e ). Pour arrondir, on ajoute 5 unités au cinquième ((n + 1)e ) chiffre de la mantisse et l’on tronque le résultat. Par exemple, le nombre 0,123 4672 devient tout simplement 0,1234 par troncature. Pour arrondir, on ajoute 5 au cinquième chiffre de la mantisse qui devient alors 0,123 5172 que l’on tronque pour obtenir 0,1235. En base 2, la procédure est similaire puisque l’on néglige les bits à compter du (n + 1)e pour la troncature. Pour arrondir, on ajoute 1 au (n + 1)e bit et l’on tronque le résultat. 

1.3.1

Représentation des entiers signés

Pour les entiers signés, il faut tenir compte du signe de l’entier. Nous traiterons de deux formes parmi les plus courantes de représentation des entiers signés sur ordinateur. Il importe de connaître celle qui est utilisée par le processeur afin de pouvoir s’y retrouver. Nous étudierons la représentation en complément à 2 et la représentation par excès. Ces variantes présentent toutes un certain nombre d’avantages et d’inconvénients au regard de l’exécution des opérations arithmétiques élémentaires. Il en existe d’autres comme la représentation en complément à 1. Notre but n’étant pas d’en donner une liste exhaustive, nous nous limitons à ces deux formes.

10

Chapitre 1

Représentation en complément à 2 La représentation en complément à 2 est très fréquemment utilisée. C’est le cas pour le langage Java qui l’utilise pour les entiers signés. Si l’on dispose de n bits pour exprimer l’entier N , on pose : N = −an−1 × 2n−1 + an−2 × 2n−2 + an−3 × 2n−3 + · · · + a2 × 22 + a1 × 21 + a0 × 20 Il faut remarquer le signe négatif devant le terme an−1 . On constate facilement que tous les entiers positifs vérifient : an−1 = 0 car 2n−1 est forcément plus grand que toute combinaison de puissances de 2 inférieures à n − 1. Un entier positif est donc représenté par 0 suivi de son expression binaire habituelle en (n − 1) bits. Pour obtenir la représentation d’un nombre négatif N , il suffit de lui ajouter 2n−1 et de transformer le résultat en forme binaire. Le résultat final est donc 1 suivi de la représentation sur (n − 1) bits de N + 2n−1 . Exemple 1.14 La représentation en complément à 2 sur 4 bits de 0101 vaut : −0 × 23 + 1 × 22 + 0 × 21 + 1 × 20 soit 5 en forme décimale. Par contre, 1101 vaut : −1 × 23 + 1 × 22 + 0 × 21 + 1 × 20 c’est-à-dire −8 + 5 = −3. Inversement, la représentation binaire de −6 sera 1 suivi de la représentation sur 3 bits de : −6 + 23 = 2 qui est 010. On aura donc (−6)10 = (1010)2 dans la représentation en complément à 2. 

Représentation par excès Illustrons la représentation par excès en prenant pour exemple un mot de 4 bits (n = 4). On peut alors représenter au plus 24 (2n dans le cas général) entiers différents, y compris les entiers négatifs. Si l’on veut exprimer un entier décimal N , il suffit de lui ajouter un excès d et de donner le résultat sous forme binaire. Inversement, si l’on a la représentation binaire par excès d’un entier, il suffit de calculer sa valeur en base 10 et de soustraire d pour obtenir l’entier recherché. La représentation par excès a l’avantage d’ordonner la représentation binaire en assignant à 0000 le plus petit entier décimal représentable, à savoir −d. En général, la valeur de d est 2n−1 ou 2n−1 − 1 (23 ou 23 − 1 sur 4 bits). Ainsi, avec 4 bits et d = 23 , on obtient :

Analyse d’erreurs

11

Représentation par excès : d = 23 Forme binaire Forme décimale 0000 −8 0001 −7 .. .. . . 1110 +6 1111 +7 Pour obtenir ce tableau, il suffit de remarquer que, par exemple, 1111 vaut 15 en décimal, auquel on soustrait 23 pour obtenir 7. Exemple 1.15 Soit un mot de 8 bits et un excès d = 27 − 1 = 127. Pour représenter (−100)10 , il suffit de lui ajouter 127, ce qui donne 27, et d’exprimer le résultat sur 8 bits, soit 0001 1011. On se servira de cette représentation pour exprimer les exposants dans les nombres réels à la section 1.4. 

1.3.2

Représentation des nombres réels

La tâche de représentation est plus complexe dans le cas des nombres réels. En effet, dans le système décimal, nous avons l’habitude de représenter un nombre x sous la forme : x = ±m × 10l où m est la mantisse, l est l’exposant et 10 est la base. De façon générale, selon une base b quelconque, on peut écrire : x = ±m × bl On appelle cette représentation la notation flottante ou notation en point flottant ou encore en virgule flottante. La forme générale de la mantisse est la suivante : m = 0,d1 d2 d3 · · · dn · · · ce qui signifie que : m = d1 × b−1 + d2 × b−2 + d3 × b−3 + · · · + dn × b−n + · · · Puisqu’il n’est pas possible de mettre en mémoire une mantisse de longueur infinie, on recourt à la troncature ou à l’arrondi pour réduire la mantisse à n chiffres et l’on aura alors : m = d1 × b−1 + d2 × b−2 + d3 × b−3 + · · · + dn × b−n Les di vérifient : 1 ≤ d1 ≤ (b − 1) 0 ≤ di ≤ (b − 1) pour i = 2, 3, · · · , n

(1.7) (1.8)

12

Chapitre 1

La première inégalité signifie que la mantisse est normalisée, c’est-à-dire que son premier chiffre est toujours différent de 0. La normalisation permet d’assurer l’unicité de la représentation et d’éviter les ambiguïtés entre : 0,1020 × 102 et 0,0102 × 103 pour représenter 10,2. La dernière expression n’est jamais retenue. Dans cet exemple, on a utilisé la base b = 10 et n = 4 chiffres dans la mantisse. Ainsi, la mantisse satisfait toujours : 1 ≤m<1 b car la plus petite mantisse possible est 0,1000, qui vaut 1b . Ces considérations servent de lignes directrices pour la représentation d’un nombre réel sur ordinateur. Dans le cas qui nous intéresse, la base sera généralement 2 (b = 2). Il faut donc trouver un moyen de représenter la mantisse (une fraction), l’exposant (un entier signé) et le signe de ce nombre. Remarque 1.16 Les calculatrices de poche se distinguent des ordinateurs principalement par le fait qu’elles utilisent la base 10 (b = 10) et une mantisse d’une longueur d’environ 10 (n = 10). L’exposant l varie généralement entre −100 et 100. 

1.3.3

Erreurs dues à la représentation

Le fait d’utiliser un nombre limité de bits pour représenter un nombre réel a des conséquences importantes. D’une part, on introduit ainsi une erreur de représentation qui, comme on le verra, peut avoir des répercussions significatives sur la précision des résultats. D’autre part : – quel que soit le nombre de bits utilisés, il existe un plus petit et un plus grand nombres positifs représentables (de même pour les nombres négatifs) ; – à l’intérieur de cet intervalle fini, seulement un nombre fini de nombres sont représentables exactement, et l’on doit recourir à la troncature ou à l’arrondi pour représenter les autres réels. La représentation en virgule flottante induit une erreur relative qui dépend du nombre de bits de la mantisse, de l’utilisation de la troncature ou de l’arrondi ainsi que du nombre x que l’on veut représenter. En effet, nous avons vu l’importance sur la précision du nombre de bits de la mantisse et nous avons également constaté qu’un nombre fini seulement de réels peuvent être représentés exactement. L’intervalle entre les nombres représentables varie en longueur selon l’exposant devant la mantisse. Définition 1.17 La précision machine ϵm est la plus grande erreur relative que l’on puisse commettre en représentant un nombre réel sur ordinateur en utilisant la troncature.

Analyse d’erreurs

13

Remarque 1.18 La précision machine dépend bien sûr du processeur utilisé et du nombre de bits de la mantisse. De plus, si l’on utilise l’arrondi, la précision machine est tout simplement ϵ2m . 

Théorème 1.19 La précision machine vérifie : ϵm ≤ b1−n

(1.9)

où b est la base utilisée et n le nombre de chiffres (bits si b = 2) de la mantisse. Démonstration : Soit x, un nombre quelconque. Sa représentation exacte en base b est donc de la forme : x = ±0,d1 d2 d3 · · · dn dn+1 dn+2 · · · × bl ce qui entraîne que l’erreur absolue commise par troncature est : ∆x = 0,0000 · · · 0dn+1 dn+2 · · · × bl = 0,dn+1 dn+2 dn+3 · · · × bl−n ≤ 0,(b − 1)(b − 1)(b − 1) · · · × bl−n en vertu de l’équation 1.8. L’erreur relative satisfait donc : Er (x) =

∆x |x|



0,(b − 1)(b − 1)(b − 1) · · · × bl−n 0,d1 d2 d3 · · · dn dn+1 dn+2 · · · × bl



0,(b − 1)(b − 1)(b − 1) · · · × bl−n 0,100 000 · · · × bl

≤ b × b−n = b1−n On note alors que b1−n est une borne supérieure pour la précision machine. Dans ce qui suit, on ne fera plus la distinction entre la précision machine ϵm et sa borne supérieure b1−n , bien que ces deux quantités soient légèrement différentes. ⋆ Il est facile de montrer que cette borne est presque atteinte pour tous les nombres x de développement en base b de la forme : x = 0,100 000 · · · 0(b − 1)(b − 1) · · · × bl

(1.10)

c’est-à-dire dont le 1 est suivi de (n − 1) zéros et ensuite d’une infinité de chiffres valant (b − 1). L’erreur relative est alors : Er (x) = qui est très près de b1−n .

0,(b − 1)(b − 1) · · · × bl−n 0,100 000 · · · 0(b − 1)(b − 1) · · · × bl

14

Chapitre 1

1.4

Norme IEEE-754

L’Institute of Electrical and Electronic Engineers (IEEE) a uniformisé la représentation des nombres sur ordinateur (voir la référence [22]) et en particulier celle des nombres réels en simple précision sur 32 bits et en double précision sur 64 bits (convention IEEE-754). Les représentations en simple et double précisions sont construites comme suit. Le premier bit témoigne du signe du nombre, les 8 bits suivants (11 en double précision) déterminent l’exposant avec un excès de 127 ou 28−1 − 1 (1023 ou 211−1 − 1 en double précision) et les 23 derniers bits (52 en double précision) sont pour la mantisse normalisée. Puisque l’on normalise la mantisse, le premier bit est toujours 1 et il n’est pas nécessaire de le garder en mémoire. La mantisse normalisée peut donc commencer par un 0 tout en conservant la même précision qu’avec 24 bits (53 en double précision). La norme IEEE-754 en simple précision est basée sur la représentation : (d1 d2 d3 · · · d31 d32 )2 = (−1)d1 2(d2 d3 ···d9 )2 2−127 (1,d10 d11 · · · d32 )2

(1.11)

avec une expression similaire pour la double précision : (d1 d2 d3 · · · d63 d64 )2 = (−1)d1 2(d2 d3 ···d12 )2 2−1023 (1,d13 d14 · · · d64 )2

(1.12)

Exemple 1.20 Les 32 bits suivants (en simple précision) : 1100 0001 1110 0100 0000 0000 0000 0000 se décomposent en : (−1)1 × 2(1000 0011)2 × 2−127 × (1,11001)2 = −(2131 ) × 2−127 × (1 + 2−1 + 2−2 + 2−5 ) = −(24 ) × (1 + 2−1 + 2−2 + 2−5 ) = −(24 + 23 + 22 + 2−1 ) = −28,5 On obtient la représentation du nombre décimal (30,0625)10 en simple précision au moyen de l’opération inverse. Tout d’abord, la partie entière (30)10 devient (11 110)2 sous forme binaire et la partie fractionnaire (0,0625)10 est tout simplement (0,0001)2 . Ainsi, on a : (30,0625)10 = (11 110,0001)2 = 1,111 000 01 × 24 Dans la dernière expression, la mantisse est normalisée et le bit 1 à la gauche de la virgule n’est pas conservé en mémoire. L’exposant 4 est décalé de 127 pour devenir 131. La représentation de 131 sur 8 bits est (1000 0011)2 . Puisque le nombre (30,0625)10 est positif, sa représentation en simple précision IEEE-754 sera : 0 1000 0011 1110 0001 0000 0000 0000 000 

Analyse d’erreurs

15

Suivant la norme IEEE-754, la mantisse d’un réel contient donc 23 bits en simple précision (52 bits en double précision), mais avec une précision de 24 bits (53 en double précision) puisque, après la normalisation, le premier 1 n’est pas gardé en mémoire. La précision machine vaut alors : 21−24 = 0,119 × 10−6 en simple précision et : 21−53 = 0,222 × 10−15 en double précision. Ce résultat peut être vérifié directement sur ordinateur au moyen de l’algorithme qui suit (voir Chapra et Canale, réf. [7]). Cet algorithme permet de construire une suite de nombres de forme similaire à celle de l’équation 1.10. Algorithme 1.21 : Précision machine 1. Initialisation : eps = 1 2. Itérations : tant et aussi longtemps que 1 + eps > 1 : eps – effectuer : eps = 2 3. On a divisé une fois de trop : eps = 2 × eps 4. On a trouvé la précision machine : ϵm = eps N Dans l’algorithme précédent, la variable (1 + eps) prend successivement les valeurs suivantes : Valeurs de Forme décimale 2 1,5 1,25 1,125 1,0625 .. .

(1 + eps) Forme binaire 0,1 × 22 0,11 × 21 0,101 × 21 0,1001 × 21 0,100 01 × 21 .. .

Cette suite continue jusqu’à ce que le nombre de zéros intercalés dans la représentation binaire soit trop grand et dépasse la longueur de la mantisse. On aura alors 1 + eps = 1 et l’algorithme s’arrêtera. Il est à noter que la représentation binaire de 1+eps est de forme similaire à celle de la relation 1.10. Un court programme, en langage C par exemple, permet d’établir aisément la concordance entre le résultat de cet algorithme et l’équation 1.9.

16

Chapitre 1

1.4.1

Exceptions

La représentation 1.11 comporte quelques exceptions notables. Dans tous les cas qui suivent, le bit de signe peut être indifféremment 1 ou 0. La première exception importante est la représentation du nombre 0 pour lequel tous les bits de l’exposant et de la mantisse sont nuls. Cela constitue une exception, car la mantisse n’est pas normalisée comme pour les autres nombres réels et la représentation de 0 n’obéit donc pas à la relation 1.11. Il est très utile de pouvoir représenter l’infini que l’on obtient par exemple en divisant un nombre non nul par 0. On exprime ±∞ en posant à 1 les 8 bits de l’exposant (11 bits en double précision). La mantisse ne comporte que des 0. Enfin, on représente un nombre non valide N aN («Not a Number») en posant à 1 tous les bits de l’exposant pourvu que la mantisse comporte au moins un bit non nul. On obtient un nombre non valide en effectuant des opérations mathématiquement interdites comme 00 ou ∞ ∞ . En résumé, on a le tableau suivant :

+0 −0 +∞ −∞ +N aN −N aN

Exceptions IEEE ± Exposant Mantisse 0 0000 0000 0000 0000 0000 0000 0000 000 1 0000 0000 0000 0000 0000 0000 0000 000 0 1111 1111 0000 0000 0000 0000 0000 000 1 1111 1111 0000 0000 0000 0000 0000 000 0 1111 1111 xxxx xxxx xxxx xxxx xxxx xxx 1 1111 1111 xxxx xxxx xxxx xxxx xxxx xxx

Compte tenu de ces exceptions, le plus petit exposant que l’on puisse utiliser dans la relation 1.11 est donc 0000 0001, ce qui, selon la représentation par excès de 127, représente 1 − 127 = −126 (−1022 en double précision). De même, le plus grand exposant est 1111 1110 qui représente (en tenant compte de l’excès de 127) le nombre décimal 127. Ainsi, on représente le plus petit nombre réel positif xmin et le plus grand nombre réel positif xmax par :

xmin xmax

Représentations IEEE de ± Exposant 0 0000 0001 0000 0000 0 1111 1110 1111 1111

xmin et xmax Mantisse 0000 0000 0000 000 1111 1111 1111 111

Ces nombres valent respectivement 2−126 et (2 − 2−23 ) × 2127 . Le tableau suivant résume la situation, incluant également les valeurs obtenues de manière similaire en double précision. Valeurs décimales de xmin et xmax Simple précision Double précision xmin 1,2 × 10−38 2,2 × 10−308 xmax 3,4 × 10+38 1,8 × 10+308

Analyse d’erreurs

1.4.2

17

Nombres non normalisés

Bien que petites, les valeurs de xmin en simple ou double précision ne sont pas suffisantes dans bon nombre d’applications. On a ainsi introduit les nombres non normalisés que l’on représente en posant à 0 tous les bits de l’exposant et en s’assurant que la mantisse comporte au moins 1 bit non nul (valant 1).

Nombres non normalisés ± Exposant Mantisse + 0 0000 0000 xxxx xxxx xxxx xxxx xxxx xxx − 1 0000 0000 xxxx xxxx xxxx xxxx xxxx xxx Les nombres non normalisés sont utiles pour remplir partiellement l’intervalle entre 0 et xmin , le plus petit nombre représentable par l’équation 1.11. Pour les nombres non normalisés, on remplace la convention 1.11 par une autre convention : (d1 00000000d10 · · · d31 d32 )2 = (−1)d1 2−126 (0,d10 d11 · · · d32 )2

(1.13)

ce qui revient à ne pas normaliser la mantisse et à utiliser le plus petit exposant possible à savoir −126 en simple précision et −1022 en double précision. Ainsi, en vertu de ces exceptions, on représente le plus petit nombre non normalisé en simple précision sous la forme : (0 0000 0000 0000 0000 0000 0000 0000 001) qui, suivant la convention 1.13, vaut 2−126 2−23 = 2−149 ≃ 1,4 × 10−45 . En double précision, on remplace ces valeurs par 2−1022 2−52 = 2−1074 ≃ 4,9 × 10−324 . En raison de la procédure d’arrondi généralement utilisée, tout nombre inférieur à la moitié de cette quantité sera identifié à 0.

Plus petit nombre non normalisé Simple précision Double précision −45 1,4 × 10 4,9 × 10−324 Ces exceptions concernant les nombres non normalisés n’étaient pas toujours disponibles par le passé mais le sont maintenant. Cela permet de diminuer encore l’intervalle entre 0 et le plus petit nombre représentable. On peut donc accéder à une plage de nombres réels très vaste, particulièrement en double précision. En conséquence, on préfère généralement la double précision dans les calculs scientifiques. Terminons cette section par deux exemples illustrant les effets parfois étonnants de la représentation binaire.

18

Chapitre 1

Exemple 1.22 Si l’on convertit la fraction décimale 0,1 en sa valeur binaire, on a : 0,1 × 2 0,2 × 2 0,4 × 2 0,8 × 2 0,6 × 2 0,2 × 2 .. .

= = = = = =

0,2 0,4 0,8 1,6 1,2 0,4 .. .

c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d. c.-à-d.

d1 d2 d3 d4 d5 d6

=0 =0 =0 =1 =1 =0 .. .

ou encore : (0,1)10 = (0,000 110 011 00 · · · )2 Ainsi, une fraction ayant un développement décimal fini peut avoir un développement binaire illimité.  Lorsqu’on utilise un nombre fini de bits dans la mantisse pour représenter (0,1)10 , l’importance de l’erreur commise dépend du nombre de bits utilisés. Exemple 1.23 Le problème consiste à sommer 10 000 fois le nombre (1,0)10 , qui possède un développement binaire fini, et le nombre (0,1)10 , qui n’a pas de représentation exacte sur un nombre fini de bits. On obtient, à l’aide d’un programme très simple en langage C, les résultats suivants : 10 000,000 00 et 999,902 8931 en simple précision et : 10 000,000 000 000 0000 et 1 000,000 014 901 161 19 en double précision. Cela démontre l’effet des erreurs de représentation sur ordinateur. Des opérations en apparence identiques donnent, dans un cas, un résultat exact et, dans l’autre, un résultat erroné dont la précision augmente avec le nombre de bits de la mantisse. 

1.5

Arithmétique flottante

Les erreurs ont tendance à se propager et quelquefois à s’amplifier au fil des calculs. Dans cette section, nous suivons l’évolution des erreurs au fil des opérations élémentaires. Afin de simplifier l’exposé, nous utilisons le système décimal, mais les effets décrits valent également pour les autres bases. Tout nombre réel x s’écrit sous la forme : x = ±0,d1 d2 d3 · · · dn dn+1 · · · × 10l

Analyse d’erreurs

19

Définition 1.24 Soit x, un nombre réel. On note fl(x) sa représentation en notation flottante à n chiffres définie par : fl(x) = ±0,d1 d2 d3 · · · dn × 10l

Remarque 1.25 La notation flottante d’un nombre dépend du nombre n de chiffres dans la mantisse, mais aussi du procédé retenu pour éliminer les derniers chiffres à savoir la troncature ou l’arrondi. La troncature est dite biaisée, car on a toujours, pour des nombres positifs, fl(x) ≤ x. Par contre, l’arrondi est non biaisé, car on a tour à tour x ≤ fl(x) ou x ≥ fl(x). Nous utilisons l’arrondi dans les exemples qui suivent. Remarque 1.26 La convention IEEE-754 impose l’utilisation de l’arrondi dans la représentation binaire des nombres réels. 

Exemple 1.27 Si l’on choisit n = 4, alors on a : fl( 13 ) = 0,3333 × 100 fl(π) = 0,3142 × 101 fl(12,4551) = 0,1246 × 102 

1.5.1

Opérations élémentaires

Les opérations élémentaires sont l’addition, la soustraction, la multiplication et la division. Soit x et y, deux nombres réels. On effectue ces opérations en arithmétique flottante de la façon suivante : x+y x−y x÷y x×y

→ → → →

fl(fl(x) + fl(y)) fl(fl(x) − fl(y)) fl(fl(x) ÷ fl(y)) fl(fl(x) × fl(y))

En un mot, on doit d’abord représenter les deux opérandes en notation flottante, effectuer l’opération de la façon habituelle et exprimer le résultat en notation flottante.

20

Chapitre 1

Exemple 1.28 Si l’on prend n = 4, alors on a : 1 3

×3 → = = =

fl(fl( 13 ) × fl(3)) fl((0,3333 × 100 ) × (0,3000 × 101 )) fl(0,099 990 00 × 101 ) 0,9999 × 100

On remarque une légère perte de précision par rapport à la valeur exacte de cette opération qui est 1.  La multiplication et la division sont particulièrement simples en arithmétique flottante à cause de la loi des exposants. Exemple 1.29 Toujours avec n = 4, effectuer les opérations suivantes : a) (0,4035 × 106 ) × (0,1978 × 10−1 ) = = = =

fl(0,4035 × 106 × 0,1978 × 10−1 ) fl(0,079 8123 × 105 ) fl(0,798 123 × 104 ) 0,7981 × 104

b) (0,567 89 × 104 ) ÷ (0,123 4321 × 10−3 ) = = = =

fl(0,5679 × 104 ÷ 0,1234 × 10−3 ) fl(4,602 106 969 × 107 ) fl(0,460 210 6969 × 108 ) 0,4602 × 108

 Par contre, il faut être plus prudent avec l’addition et la soustraction. On ajoute d’abord des zéros à la mantisse du nombre ayant le plus petit exposant de telle sorte que les deux exposants soient égaux. On effectue ensuite l’opération habituelle et l’on met le résultat en notation flottante. Exemple 1.30 Toujours avec n = 4, effectuer les opérations suivantes : a) (0,4035 × 106 ) + (0,1978 × 104 ) = = = =

fl(0,4035 × 106 + 0,1978 × 104 ) fl(0,4035 × 106 + 0,001 978 × 106 ) fl(0,405 478 × 106 ) 0,4055 × 106

Analyse d’erreurs

21

b) (0,567 89 × 104 ) − (0,123 4321 × 106 ) = = = =

fl(0,5679 × 104 − 0,1234 × 106 ) fl(0,005 679 × 106 − 0,1234 × 106 ) −fl(0,117 72 × 106 ) −0,1177 × 106

On constate qu’il est primordial de décaler la mantisse avant d’effectuer l’addition ou la soustraction. 

Remarque 1.31 Il faut bien remarquer que des opérations mathématiquement équivalentes ne le sont pas forcément en arithmétique flottante. L’ordre des opérations est très important. En voici un exemple. 

Exemple 1.32 La propriété de distributivité de la multiplication sur l’addition n’est pas toujours respectée en arithmétique flottante (voir Fortin et Pierre, réf. [18]). En effet, en arithmétique exacte : 122 × (333 + 695) = (122 × 333) + (122 × 695) = 125 416 En arithmétique flottante avec n = 3, on obtient d’une part : 122 × (333 + 695) = = = = =

fl[(0,122 × 103 ) × fl(0,333 × 103 + 0,695 × 103 )] fl[(0,122 × 103 ) × fl(1,028 × 103 )] fl[(0,122 × 103 ) × (0,103 × 104 )] fl(0,012 566 × 107 ) 0,126 × 106

et d’autre part : (122 × 333) + (122 × 695) = fl[fl((0,122 × 103 ) × (0,333 × 103 )) + fl((0,122 × 103 ) × (0,695 × 103 ))] = fl[fl(0,040 626 × 106 ) + fl(0,084 79 × 106 )] = fl[(0,406 × 105 ) + (0,848 × 105 )] = fl(1,254 × 105 ) = 0,125 × 106 On constate donc une légère différence entre les deux résultats, ce qui indique que les deux façons d’effectuer les opérations ne sont pas équivalentes en arithmétique flottante. 

22

1.5.2

Chapitre 1

Opérations risquées

Un certain nombre de calculs sont particulièrement sensibles aux erreurs d’arrondi. Nous présentons maintenant deux types d’opérations élémentaires à éviter dans la mesure du possible. Exemple 1.33 Additionner deux nombres dont les ordres de grandeur sont très différents : (0,4000 × 104 ) + (0,1000 × 10−2 ) = = = =

fl(0,4000 × 104 + 0,1000 × 10−2 ) fl(0,4000 × 104 + 0,000 0001 × 104 ) fl(0,400 0001 × 104 ) 0,4000 × 104

La loi des exposants et l’arrondi font en sorte que le petit nombre disparaît complètement devant le plus grand. Ce comportement est encore plus en évidence dans l’exemple suivant. 

Exemple 1.34 Calculer une somme de termes positifs (voir Fortin et Pierre, réf. [18]) : Sn = 1 +

n ∑ i=1

i2

1 +i

On peut évaluer analytiquement cette série en utilisant les fractions partielles. En effet : ) n n ( ∑ ∑ 1 1 1 Sn = 1 + = 1+ − i2 + i i i+1 i=1

i=1

(

1 = 1+ 1− 2 = 2−

)

( +

1 1 − 2 3

)

( + ··· +

1 1 − n n+1

)

1 n+1

On peut calculer cette somme tout d’abord directement : S1,n = 1 +

1 1 1 + + ··· + 2 2 6 n +n

et ensuite à rebours : S2,n =

n2

1 1 1 + ··· + + + 1 +n 6 2

Les résultats calculés avec un programme en langage C et en simple précision sont résumés dans le tableau ci-dessous pour différentes valeurs de n.

Analyse d’erreurs

n 99 999 9999

23

Évaluation d’une série 1 S1,n S2,n Sn = 2 − (n+1) 1,989 999 890 1,990 000 010 1,99 1,999 001 026 1,999 000 072 1,999 1,999 791 980 1,999 899 983 1,9999

On remarque que S2,n est plus précis que S1,n . Cela est dû au fait que lorsqu’on somme S1,n on accumule dans S1,n les sommes intermédiaires. Conséquemment, S1,n devient de plus en plus grand par rapport à i21+i et l’on finit par additionner un très grand et un très petit nombres (ce type d’opération est à éviter). Inversement, lorsqu’on somme S2,n , les sommes intermédiaires augmentent, mais les termes qui s’ajoutent au fil de la sommation croissent également et le phénomène précédent ne se produit pas. 

Exemple 1.35 Soustraire deux nombres presque identiques : (0,5678 × 106 ) − (0,5677 × 106 ) = fl(0,5678 × 106 − 0,5677 × 106 ) = fl(0,0001 × 106 ) = 0,1000 × 103 La soustraction de ces 2 nombres de valeur très proche fait apparaître trois 0 non significatifs dans la mantisse du résultat. On appelle ce phénomène l’élimination par soustraction des chiffres significatifs. L’exemple suivant en illustre les conséquences possibles. 

Exemple 1.36 (Chapra et Canale, réf. [7]) Calculer les racines de : ax2 + bx + c qui sont bien sûr : r1 =

−b +

√ b2 − 4ac −b − b2 − 4ac et r2 = 2a 2a



On considère le cas où a = 1, b = 3000,001 et c = 3. Les racines exactes sont r1 = −0,001 et r2 = −3000. Un calcul en simple précision (norme IEEE-754) donne r1 = −0,000 988 281 33 et r2 = −3000,0000, dont l’erreur relative est respectivement de 1,17 % et de 0,0 %. Le calcul de r2 ne pose aucune difficulté particulière. L’erreur √ relative liée à r1 provient de l’addition de (−b), qui vaut −3000,000 977, et de b2 − 4ac, qui vaut 2999,999 023.

24

Chapitre 1

Cette opération revient à soustraire des nombres très voisins. Pour éviter cela, on peut multiplier r1 par son conjugué et calculer : ( r1 =

−b +



b2 − 4ac 2a

)(

) √ −b − b2 − 4ac −2c √ √ = 2 −b − b − 4ac b + b2 − 4ac

On obtient de cette manière : r1 = −0,001 000 000 047 et une erreur relative extrêmement faible. 

Exemple 1.37 Évaluer une série de nombres de signes alternés (Chapra et Canale, réf [7]). Nous verrons un peu plus loin que le développement de Taylor de la fonction −x e autour de 0 est : e−x = 1 − x +

x2 x3 (−1)n xn (−1)n+1 xn+1 − + ··· + + + ··· 2! 3! n! (n + 1)! (1.14)

(−1)n+1 xn+1 = Sn + + ··· (n + 1)! On remarque que les termes de la série changent constamment de signe. Dans l’expression 1.14, Sn désigne la somme des (n + 1) premiers termes de la série. Le tableau ci-dessous présente quelques résultats intermédiaires obtenus lors de l’évaluation de e−10 , qui consiste à poser tout simplement x = 10 dans l’équation 1.14. En simple précision, on a obtenu dans un premier temps les résultats suivants :

n 0 1 2 3 4 5 10 20

Évaluation de e−10 (−1)n xn Somme partielle Sn n! +1,000 000 00 +1,000 000 000 −10,000 0000 −9,000 000 000 +50,000 0000 +41,000 000 00 −166,666 718 −125,666 6718 +416,666 687 +291,000 0000 −833,333 374 −542,333 3740 +2755,732 17 +1342,587 402 +41,103 1875 +13,396 751 40

On constate que la convergence (si convergence il y a) est très lente. Si l’on poursuit les calculs, on obtient :

Analyse d’erreurs

n 30 31 32 33 34 35 40 41 42 43 44 45

25

Évaluation de e−10 (suite) (−1)n xn Somme partielle Sn n! −2 +0,376 998 9125 × 10 +0,852 284 9530 × 10−3 −2 −0,121 612 5558 × 10 −0,363 840 6051 × 10−3 +0,380 039 2442 × 10−3 +0,161 986 3906 × 10−4 −0,115 163 4060 × 10−3 −0,989 647 6690 × 10−4 +0,338 715 9086 × 10−4 −0,650 931 7609 × 10−4 −0,967 759 7518 × 10−5 −0,747 707 7452 × 10−4 +0,122 561 8007 × 10−7 −0,726 567 8660 × 10−4 −0,298 931 2131 × 10−8 −0,726 576 6908 × 10−4 +0,711 740 9990 × 10−9 −0,726 569 5604 × 10−4 −0,165 521 1662 × 10−9 −0,726 571 2338 × 10−4 +0,376 184 4655 × 10−10 −0,726 570 8700 × 10−4 −0,835 965 4982 × 10−11 −0,726 570 9428 × 10−4

Voilà un exemple parfait de calcul instable. On remarque immédiatement que le résultat final est faux, car on obtient une valeur négative pour l’exponentielle dont la valeur exacte est 0,453 9993 × 10−4 . On voit aussi qu’il est inutile de continuer pour des valeurs de n plus grandes que 45, car la valeur de (−1)n xn est trop petite pour modifier substantiellement le résultat. Cela revient n! à additionner un très grand et un très petit nombres. On constate enfin que le phénomène d’élimination par soustraction des chiffres significatifs se produit de façon systématique en raison de l’alternance des signes. On peut contourner ces difficultés en travaillant en double précision ou en évaluant la série de manière différente. Une possibilité consiste à utiliser l’algorithme de Horner pour l’évaluation des polynômes (voir la section 1.5.3). 

Exemple 1.38 Voici un exemple de calcul simple qui aboutit rapidement en résultats erronés. On définit la suite pn pour n ≥ 1 par l’expression : ∫ 1 pn = xn ex dx (1.15) 0

Il est alors facile de vérifier que p1 = 1. Chaque terme de la suite est positif puisqu’il s’agit de l’intégrale d’une fonction positive. De plus, la suite pn est décroissante, c.-à-d. pn > pn+1 . En effet, il suffit de constater que, dans l’intervalle ]0 , 1[, on a xn > xn+1 et le tour est joué. Enfin, en intégrant par parties, on trouve (en exercice) : pn+1 = e − (n + 1)pn

(1.16)

ce qui constitue une formule de récurrence permettant d’évaluer successivement toute la suite. Rappelons de ce qui précède que tous les termes de la suite pn sont dans l’intervalle [0 , 1].

26

Chapitre 1

Regardons ce qui se passe sur le plan numérique. En se servant de la formule de récurrence 1.16 et en travaillant en double précision, on trouve : n 1 2 3 4 5 6 7 8 9 10

Récurrence pn n 0 1,000 000 000 × 10 11 7,182 818 284 × 10−1 12 5,634 363 430 × 10−1 13 4,645 364 561 × 10−1 14 3,955 995 478 × 10−1 15 3,446 845 416 × 10−1 16 3,054 900 369 × 10−1 17 2,743 615 330 × 10−1 18 2,490 280 313 × 10−1 19 2,280 015 152 × 10−1 20

1.16 pn +2,102 651 602 × 10−1 +1,950 999 056 × 10−1 +1,819 830 545 × 10−1 +1,705 190 649 × 10−1 +1,604 958 541 × 10−1 +1,503 481 618 × 10−1 +1,623 630 772 × 10−1 −2,042 535 615 × 10−1 +6,599 099 498 × 10+0 −1,292 637 081 × 10+2

On constate que, à partir du terme p17 , la suite cesse d’être décroissante, devient même négative et prend des valeurs aberrantes. Pour expliquer ce phénomène, il suffit de regarder attentivement ce qui se passe à chaque fois que l’on utilise la récurrence 1.16. Ainsi, elle nécessite la soustraction de deux nombres voisins et il y a donc élimination par soustraction des chiffres significatifs. Cela montre bien que même la double précision n’est pas toujours suffisante. Nous verrons au chapitre 6 comment éviter ce problème en calculant directement la valeur de pn de l’équation 1.15 en recourant à l’intégration numérique. On évite ainsi d’utiliser la récurrence 1.16. 

1.5.3

Évaluation des polynômes

Il est très fréquent d’avoir à évaluer des polynômes de degré élevé en analyse numérique. Il est donc important de pouvoir les évaluer rapidement et de la façon la plus stable possible du point de vue de l’arithmétique flottante. C’est ce que permet l’algorithme de Horner appelé aussi algorithme de multiplication imbriquée. Pour évaluer un polynôme de la forme : p(x) = a0 + a1 x + a2 x2 + a3 x3 + · · · + an xn en un point x quelconque, il suffit de regrouper judicieusement les termes de la façon suivante : p(x) = a0 + x(a1 + x(a2 + x(a3 + · · · + x(an−1 + an x) · · · )))

(1.17)

Exemple 1.39 Soit le polynôme : p(x) = 2 + 4x + 5x2 + 3x3 qui nécessite 6 multiplications et 3 additions. En suivant le mode de regroupement de l’équation 1.17, on obtient : p(x) = 2 + x(4 + x(5 + 3x))

Analyse d’erreurs

27

qui nécessite seulement 3 multiplications et 3 additions (et aucune élévation de puissance). On réduit donc substantiellement le nombre d’opérations nécessaires et, de plus, cette nouvelle expression est moins sensible aux effets de l’arithmétique flottante.  On programme la méthode de Horner grâce à l’algorithme suivant. Algorithme 1.40 : Méthode de Horner 1. Étant donné les coefficients ai d’un polynôme de degré n 2. Étant donné une abscisse x 3. Étant donné la variable pn qui contiendra la valeur du polynôme en x 4. pn = an 5. Pour i = n, n − 1, n − 2, · · · , 2, 1 : pn = ai−1 + pn x 6. Écrire x, p(x) = pn N

Exemple 1.41 La méthode de Horner peut servir à reprendre le calcul e−10 par la série alternée 1.14. Les coefficients du polynôme sont : ai =

(−1)i i!

Pour le polynôme de degré n = 45, on obtient la valeur approximative 0,453 999× 10−4 , qui est très près de la valeur exacte et qui ne change plus pour les valeurs suivantes de n. 

1.6

Erreurs de troncature

Les erreurs de troncature constituent la principale catégorie d’erreurs. Tout au long de ce manuel, nous abordons des méthodes de résolution qui comportent des erreurs de troncature plus ou moins importantes. L’ordre d’une méthode dépend du nombre de termes utilisés dans les développements de Taylor appropriés. Il est donc essentiel de revoir en détail le développement de Taylor, car il constitue l’outil fondamental de l’analyse numérique. Remarque 1.42 Il est important de ne pas confondre les erreurs de troncature traitées dans cette section et la troncature utilisée pour la représentation des nombres sur ordinateur. 

28

1.6.1

Chapitre 1

Développement de Taylor en une variable

Il existe plusieurs façons d’introduire le développement de Taylor. Une façon très simple consiste à le présenter formellement comme un problème d’approximation au voisinage d’un point x0 . On se demande alors quel est le polynôme de degré 0 (noté P0 (x)) qui donne la meilleure approximation d’une fonction f (x) donnée dans le voisinage du point x0 . Selon la figure 1.3, ce polynôme est : P0 (x) = f (x0 ) On peut pousser plus loin l’analyse et chercher le meilleur polynôme de degré 1 de la forme : P1 (x) = a0 + a1 (x − x0 ) (1.18) f (x) P2 (x) P1 (x) P0 (x)

f (x0 )

x0 Figure 1.3 – Approximation de f (x) au voisinage de x0 On pourrait tout aussi bien chercher un polynôme de forme plus classique : P1 (x) = b0 + b1 x Ces deux expressions sont équivalentes et aboutissent au même résultat. La forme 1.18 est plus pratique et plus naturelle puisqu’elle s’articule autour du point x0 . On doit introduire deux conditions pour déterminer les deux constantes. Intuitivement, la meilleure droite (polynôme de degré 1) est celle qui passe par (x0 , f (x0 )) et dont la pente est celle de la fonction f (x) en x0 , ce qui entraîne que : { P1 (x0 ) = f (x0 ) P1′ (x0 ) = f ′ (x0 )

Analyse d’erreurs {

ou encore :

29

a0 = f (x0 ) a1 = f ′ (x0 )

Il en résulte l’expression suivante : P1 (x) = f (x0 ) + f ′ (x0 ) (x − x0 ) On peut bien sûr poursuivre ce raisonnement à condition que la fonction f (x) soit suffisamment dérivable. Dans le cas d’un polynôme de degré 2, on imposerait :   P2 (x0 ) = f (x0 ) P ′ (x0 ) = f ′ (x0 )  P 2′′ (x ) = f ′′ (x ) 0 0 2 pour obtenir facilement : P2 (x) = f (x0 ) + f ′ (x0 ) (x − x0 ) +

f ′′ (x0 ) (x − x0 )2 2

En poursuivant ce raisonnement jusqu’à l’ordre n, c’est-à-dire en imposant l’égalité des dérivées jusqu’à l’ordre n, on obtient le polynôme de Taylor de degré n de la fonction f (x) autour de x0 . Définition 1.43 Le polynôme de Taylor de degré n de la fonction f (x) autour de x0 est défini par : Pn (x) = f (x0 ) + f ′ (x0 ) (x − x0 ) +

f ′′ (x0 ) (x − x0 )2 2! (1.19)

+

f ′′′ (x0 )

(x − x0 3!

)3

+ ··· +

(x − x0 n!

f (n) (x0 )

)n

où f (n) (x0 ) désigne la dérivée d’ordre n de f (x) en x0 . Ce polynôme donne une approximation de la fonction f (x) au voisinage de x0 . Il n’y a cependant pas égalité en ce sens que, si l’on utilise l’équation 1.19 pour estimer f (x), on commettra une erreur. Remarque 1.44 On choisit généralement le point x0 où l’on développe le polynôme de Taylor de façon à ce que l’on puisse facilement évaluer la fonction f (x) ainsi que ses dérivées.  Le résultat suivant quantifie l’erreur commise lorsqu’on utilise le polynôme de Taylor (Thomas et Finney, réf. [35]).

30

Chapitre 1

Théorème 1.45 Soit f (x), une fonction dont les dérivées jusqu’à l’ordre (n + 1) existent au voisinage du point x0 . On a l’égalité suivante : f (x) = Pn (x) + Rn (x)

(1.20)

où Pn (x) est le polynôme de Taylor 1.19 et Rn (x) est l’erreur commise, qui est donnée par : f (n+1) (ξ(x)) (x − x0 )n+1 (1.21) Rn (x) = (n + 1)! pour un certain ξ(x) compris entre x0 et x. ⋆ Remarque 1.46 1. L’équation 1.20 est une égalité et ne devient une approximation que lorsque le terme d’erreur est négligé. 2. Le terme d’erreur de l’équation 1.21 devient de plus en plus grand lorsque x s’éloigne de x0 en vertu du terme (x − x0 )n+1 (voir la figure 1.3). 3. Inversement, pour une valeur de x près de x0 , le terme d’erreur de l’équation 1.21 est de plus en plus petit lorsque n augmente. 4. On sait que le point ξ(x) existe et qu’il varie avec x, mais on ne connaît pas sa valeur exacte. Il n’est donc pas possible d’évaluer le terme d’erreur exactement. On peut tout au plus lui trouver une borne supérieure dans la plupart des cas. 5. On commet une erreur de troncature chaque fois que l’on utilise le développement de Taylor et que l’on néglige le terme d’erreur de l’équation 1.21.  Un cas particulier important du théorème précédent est le premier théorème de la moyenne, qui équivaut à poser n = 0 dans le développement de Taylor. Corollaire 1.47 Soit f (x), une fonction dérivable dans l’intervalle [x0 , x]. Alors il existe ξ dans [x0 , x] tel que : f (x) = f (x0 ) + f ′ (ξ)(x − x0 ) ou encore f (x) − f (x0 ) = f ′ (ξ)(x − x0 ) (1.22) ♠ On crée une forme plus pratique du développement de Taylor en remplaçant x par x0 + h ou encore l’expression x − x0 par h. On obtient ainsi : f (x0 + h) = Pn (h) + Rn (h)

(1.23)

Analyse d’erreurs

31

où : Pn (h) = f (x0 ) + f ′ (x0 ) h +

f ′′ (x0 ) h2 f ′′′ (x0 ) h3 f (n) (x0 ) hn + + ··· + 2! 3! n! (1.24)

et : Rn (h) =

f (n+1) (ξ(h)) hn+1 (n + 1)!

(1.25)

pour ξ(h) compris entre x0 et x0 + h. Exemple 1.48 On considère la fonction f (x) = ex au voisinage de x0 = 0. Puisque toutes les dérivées de ex sont égales à ex et valent 1 en x0 = 0, le développement de Taylor de degré n devient : ex0 +h = eh ≃ Pn (h) = 1 + h +

h2 h3 hn + + ··· + 2! 3! n!

et l’expression du terme d’erreur de l’équation 1.25 est : Rn (h) =

eξ(h) hn+1 (n + 1)!

où ξ(h) ∈ [0 , h]. On peut même déterminer une borne supérieure pour le terme d’erreur. La fonction exponentielle étant croissante, on a : eξ(h) ≤ eh dans l’intervalle [0 , h] et l’on conclut que : Rn (h) ≤

eh hn+1 (n + 1)!

(1.26)

On peut utiliser ce développement pour estimer la valeur de e0,1 en prenant h = 0,1.

n

Pn (0,1)

0 1 2 3

1,000 0000 1,100 0000 1,105 0000 1,105 1667

Évaluation de exp (0,1) Erreur absolue Nombre de chiffres significatifs 0,105 × 100 1 −2 0,517 × 10 2 0,171 × 10−3 4 0,420 × 10−5 6

Borne pour le terme d’erreur 0,111 × 100 0,552 × 10−2 0,184 × 10−3 0,460 × 10−5

32

Chapitre 1

On obtient l’erreur absolue simplement en comparant le résultat avec la valeur exacte 1,105 170 918, tandis que la borne supérieure de l’erreur provient de l’équation 1.26 avec h = 0,1. Enfin, si l’on prend h = 0,05 et n = 3 pour estimer e0,05 , on obtient : P3 (0,05) = 1,051 270 833 et une erreur absolue d’environ 0,263 × 10−6 . On remarque de plus que le rapport des erreurs absolues liées à P3 (h) est : |P3 (0,1) − e0,1 | 0,4245 × 10−5 = = 16,14 |P3 (0,05) − e0,05 | 0,263 × 10−6 La valeur de ce rapport n’est pas fortuite. La définition suivante permet de comprendre d’où provient cette valeur (Bourdeau et Gélinas, réf. [3]). 

Définition 1.49 Une fonction f (h) est un grand ordre de hn au voisinage de 0 (noté f (h) = O(hn )) s’il existe une constante positive C telle que : f (h) hn ≤ C au voisinage de 0. Bien qu’imprécise, cette définition exprime assez bien les caractéristiques d’une fonction de type O(hn ). Lorsque h est assez petit, la fonction O(hn ) décroît comme Chn . Plus n est grand, plus la décroissance est rapide. Ainsi, une fonction O(h3 ) décroît plus vite qu’une fonction O(h2 ), qui elle-même décroît plus vite qu’une fonction O(h). Pour avoir une idée du comportement d’une fonction de type O(hn ), il suffit de remarquer que, lorsque h est divisé par 2, la fonction O(hn ) diminue selon un facteur approximatif de 2n . En effet, si l’on remplace h par h2 dans Chn , on obtient : ( )n h Chn C = n 2 2 Remarque 1.50 Le terme d’erreur du polynôme de Taylor de degré n est généralement de type O(hn+1 ). Cela explique le rapport de 16,14 obtenu dans l’exemple précédent. En effet, on y trouve un polynôme de Taylor de degré 3 dont le terme d’erreur est de type O(h4 ). En passant de h = 0,1 à h = 0,05, on divise h par un facteur de 2, d’où une diminution selon un facteur de 24 = 16 de l’erreur. Bien sûr, le facteur de 16 est approximatif et n’est atteint qu’à des valeurs de h très petites. Dans le cas général, on note : f (x0 + h) = Pn (h) + O(hn+1 ) de sorte que l’ordre du terme d’erreur, au sens de la définition qui suit, soit clairement indiqué.

Analyse d’erreurs

33

Définition 1.51 Une approximation dont le terme d’erreur est un grand ordre de hn (O(hn )) est dite d’ordre n. Remarque 1.52 Suivant cette définition, le polynôme de Taylor de degré n est généralement (mais pas toujours) une approximation d’ordre (n+1) de f (x). Par exemple, le développement de Taylor de degré n de ex autour de x = 0 est d’ordre (n + 1). L’ordre est également le degré du premier terme non nul du terme d’erreur. Dans certains manuels, il y a confusion entre le degré et l’ordre du polynôme de Taylor. Il faut s’assurer de bien distinguer ces deux notions. 

Exemple 1.53 Calculer le développement de Taylor d’ordre 5 de la fonction sin x autour de x0 = 0. Les dérivées de la fonction sont respectivement : f (x) f ′ (x) f ′′ (x) f ′′′ (x) f (4) (x) f (5) (x)

= sin x, f (0) = cos x, f ′ (0) = − sin x, f ′′ (0) = − cos x, f ′′′ (0) = sin x, f (4) (0) = cos x.

= 0 = 1 = 0 = −1 = 0

Le développement de Taylor est donc : sin(x0 + h) = sin(h) = h −

h3 cos(ξ(h))h5 + 3! 5!

Il suffit de calculer le polynôme de Taylor de degré 3 (P3 (h)) pour obtenir une approximation d’ordre 5 de la fonction sin h. Puisque la fonction cos x est bornée en valeur absolue par 1, on note immédiatement que : |R3 (h)| ≤

h5 5!

Si l’on prend maintenant h = 0,1, on peut obtenir l’approximation : sin(0,1) ≃ 0,1 −

(0,1)3 = 0,099 833 333 3!

soit une erreur absolue de 0,8332 × 10−7 . Il est à noter que la borne supérieure de l’erreur vaut 0,8333 × 10−7 , ce qui est très près de la valeur exacte. Si l’on prend h = 0,2, on trouve : sin(0,2) ≃ 0,2 −

(0,2)3 = 0,198 666 6667 3!

34

Chapitre 1

et une erreur absolue de 0,2664 × 10−5 . On remarque de plus que le rapport entre les deux erreurs absolues est : 0,2664 × 10−5 = 31,97 0,8332 × 10−7 ce qui confirme que cette approximation est bien d’ordre 5. En prenant une valeur de h deux fois plus grande, on trouve une erreur à peu près 25 = 32 fois plus grande. Cet exemple montre que le polynôme de Taylor de degré 3 de la fonction f (x) = sin x est d’ordre 5. 

1.6.2

Développement de Taylor en plusieurs variables

Dans le cas des fonctions de plusieurs variables, on peut reprendre le raisonnement qui a mené au développement de Taylor d’une variable. Nous nous limitons, pour les fins de l’exposé, à trois variables, le cas général étant similaire. Théorème 1.54 Soit f (x1 , x2 , x3 ), une fonction de trois variables, que l’on suppose suffisamment différentiable. Au voisinage du point (xo1 , x02 , x03 ), on a : f (x01 + h1 , x02 + h2 , x03 + h3 ) = f (x01 , x02 , x03 ) (

) ∂f (x01 , x02 , x03 ) ∂f (x01 , x02 , x03 ) ∂f (x01 , x02 , x03 ) + h1 + h2 + h3 ∂x1 ∂x2 ∂x3 ( ) 1 ∂ 2 f (x01 , x02 , x03 ) 2 ∂ 2 f (x01 , x02 , x03 ) 2 ∂ 2 f (x01 , x02 , x03 ) 2 + h1 + h2 + h3 2! ∂x21 ∂x22 ∂x23 ) ( 2 ∂ 2 f (x01 , x02 , x03 ) ∂ 2 f (x01 , x02 , x03 ) ∂ f (x01 , x02 , x03 ) h1 h2 + h1 h3 + h2 h3 + · · · + ∂x1 ∂x2 ∂x1 ∂x3 ∂x2 ∂x3 Les termes suivants (désignés par les pointillés) font intervenir les différentes dérivées partielles d’ordre 3, 4, 5 · · · de la fonction f (x1 , x2 , x3 ). On voit bien la similitude avec le cas d’une variable. En pratique, on utilise principalement le développement de degré 1, qui ne fait intervenir que les dérivées partielles d’ordre 1. ⋆

Exemple 1.55 Soit la fonction de deux variables : f (x1 , x2 ) = x21 + x1 sin x2 que l’on développe autour de (x01 , x02 ) = (1 , 0). On a alors f (1 , 0) = 1. De plus, les dérivées partielles du premier ordre de f sont : ∂f (x1 , x2 ) = 2x1 + sin x2 ∂x1

∂f (x1 , x2 ) = x1 cos x2 ∂x2

Analyse d’erreurs

35

et celles du deuxième ordre sont : ∂ 2 f (x1 , x2 ) =2 ∂x21

∂ 2 f (x1 , x2 ) = −x1 sin x2 ∂x22

∂ 2 f (x1 , x2 ) = cos x2 ∂x1 ∂x2

Au point (1 , 0), ces dérivées partielles valent : ∂f (1 , 0) =2 ∂x1 et :

∂ 2 f (1 , 0) =2 ∂x21

∂f (1 , 0) =1 ∂x2

∂ 2 f (1 , 0) =0 ∂x22

∂ 2 f (1 , 0) =1 ∂x1 ∂x2

Le développement de Taylor de degré 2 de cette fonction de deux variables autour du point (1 , 0) est donc : 1 f (1 + h1 , 0 + h2 ) ≃ 1 + 2h1 + 1h2 + (2h21 + 0h22 ) + (1h1 h2 ) 2 c’est-à-dire :

f (1 + h1 , h2 ) ≃ 1 + 2h1 + h2 + h21 + h1 h2

En choisissant par exemple h1 = h2 = 0,1, on obtient l’approximation suivante : f (1,1 , 0,1) ≃ 1,32 qui est proche de la valeur exacte 1,319 816 758 avec une erreur absolue d’environ 0,000 183. Si l’on prend maintenant h1 = h2 = 0,05, on obtient une approximation de f (1,05 , 0,05) qui vaut 1,155. L’erreur absolue dans ce dernier cas est d’environ 0,000 021 825, qui est environ 8,4 fois plus petite qu’avec h1 = h2 = 0,1. Ce facteur de 8 s’explique par le choix d’un développement de degré 2 (et d’ordre 3) et par la division des valeurs de h1 et h2 par 2. 

1.6.3

Propagation d’erreurs dans le cas général

Nous approfondissons dans cette section plusieurs notions vues précédemment. Que peut-on dire, par exemple, de la précision des résultats obtenus lorsqu’on additionne ou qu’on multiplie des valeurs connues avec une précision limitée ? Plus généralement, si l’on a : x = x∗ ± ∆x y = y ∗ ± ∆y quelle sera la précision de la fonction d’une variable f (x∗ ) ou de la fonction de deux variables g(x∗ , y ∗ ) ? Ici encore, le développement de Taylor apporte une solution. Considérons d’abord le cas d’une variable. Une quantité x inconnue est approchée par une valeur approximative x∗ avec une erreur absolue ∆x. On estime la valeur inconnue f (x) par l’approximation f (x∗ ). L’erreur absolue liée à ce résultat est : ∆f = |f (x) − f (x∗ )|

36

Chapitre 1

On a de plus : f (x) = f (x∗ ± ∆x) = f (x∗ ) ± f ′ (x∗ ) ∆x + O((∆x)2 ) En négligeant les termes d’ordre plus grand ou égal à 2, on obtient : ∆f ≃ |f ′ (x∗ )| ∆x que l’on peut également écrire : f (x) = f (x∗ ) ± |f ′ (x∗ )|∆x

(1.27)

Exemple 1.56 On a mesuré la longueur d’un côté d’une boîte cubique et obtenu l∗ = 10,2 cm avec une précision de l’ordre du millimètre (∆l = 0,1 cm). On cherche le volume v de cette boîte. Dans ce cas, f (l) = l3 = v et l’erreur liée au volume est : ∆v ≃ |f ′ (l∗ )| ∆l = 3 (10,2)2 × 0,1 = 31,212 ≤ 0,5 × 102 La valeur approximative du volume est (10,2)3 = 1061,2 cm3 , dont seuls les deux premiers chiffres (1 et 0) sont significatifs.  On traite les fonctions de plusieurs variables en faisant appel au développement de Taylor en plusieurs variables. Nous donnons le résultat en dimension 3 seulement, car le cas général ne pose aucune difficulté supplémentaire. Remarque 1.57 En pratique, si f (x, y, z) est une fonction de trois variables x, y et z ellesmêmes approchées par x∗ , y ∗ et z ∗ avec une précision de ∆x, de ∆y et de ∆z respectivement, alors l’erreur absolue ∆f est estimée par : ∂f (x∗ , y ∗ , z ∗ ) ∂f (x∗ , y ∗ , z ∗ ) ∂f (x∗ , y ∗ , z ∗ ) ∆z ∆f ≃ ∆x + ∆y + ∂x ∂y ∂z (1.28) 

Exemple 1.58 Un signal électrique est donné par : V = A sin(ωt − ϕ) où V est la tension, A est l’amplitude du signal (A∗ = 100 V), ω est la fréquence (ω ∗ = 3 rad/s), ϕ est le déphasage (ϕ∗ = 0,55 rad) et t est le temps (t∗ = 0,001 s). En supposant que A et ω sont connus exactement (A = A∗ , ω = ω ∗ ) et que ϕ∗ et t∗ possèdent respectivement 2 et 1 chiffres significatifs, il s’agit d’évaluer l’erreur absolue liée à V ainsi que le nombre de chiffres significatifs. Puisque A et ω sont connus exactement, on sait immédiatement que ∆A et ∆ω sont nuls et qu’ils n’ont aucune contribution à l’erreur liée à V . Par ailleurs : ∆t = 0,5 × 10−3 ∆ϕ = 0,5 × 10−2

Analyse d’erreurs

37

et l’erreur totale est :

∂V (t∗ , ϕ∗ ) ∂V (t∗ , ϕ∗ ) ∆ϕ ∆V ≃ ∆t + ∂t ∂ϕ

c’est-à-dire : ∆V ≃ |A∗ ω ∗ cos(ω ∗ t∗ − ϕ∗ )|×(0,5×10−3 )+|−A∗ cos(ω ∗ t∗ − ϕ∗ )|×(0,5×10−2 ) ce qui donne : ∆V

≃ 256,226 662 35 × (0,5 × 10−3 ) + | − 85,408 874 5| × (0,5 × 10−2 ) = 0,555 157 684

La tension approximative est V ∗ = A∗ sin(ω ∗ t∗ − ϕ∗ ) = −52,012 730 71 et puisque ∆V ≤ 0,5 × 101 , ce nombre n’a qu’un seul chiffre significatif.  Quelques cas particuliers méritent notre l’attention. De l’équation 1.28, on peut déduire la façon dont se propagent les erreurs dans les opérations élémentaires. En effet, en prenant par exemple f (x, y) = x ÷ y, on trouve : 1 −x∗ |y ∗ |∆x + |x∗ |∆y ∆f ≃ ∗ ∆x + ∗ 2 ∆y = y (y ) (y ∗ )2 ou encore : ∆(x ÷ y) ≃

|y ∗ |∆x + |x∗ |∆y (y ∗ )2

On obtient ainsi le tableau suivant à partir de l’équation 1.28. Opérations élémentaires Opération Erreur Erreur absolue relative x+y

∆x + ∆y

∆x + ∆y |x∗ + y ∗ |

x−y

∆x + ∆y

∆x + ∆y |x∗ − y ∗ |

x×y

|y ∗ |∆x + |x∗ |∆y

∆x ∆y + ∗ ∗ |x | |y |

x÷y

|y ∗ |∆x + |x∗ |∆y |y ∗ |2

∆x ∆y + ∗ ∗ |x | |y |

(1.29)

38

Chapitre 1

On remarque que les erreurs absolues pour la soustraction s’additionnent. Le tableau montre également la similitude entre la propagation d’erreurs et la différentiation d’une somme, d’une différence, d’un produit et d’un quotient de deux fonctions. Notons enfin que l’erreur relative sur le produit ou le quotient de 2 nombres est tout simplement la somme des erreurs relatives sur chacun de ces nombres.

1.7

Évaluation de la fonction ex

Une calculatrice, ou plus généralement un ordinateur moderne, ne peut essentiellement effectuer que les opérations arithmétiques élémentaires : addition, soustraction, multiplication et division. Pour effectuer des tâches plus complexes comme l’évaluation des fonctions trigonométriques, exponentielles, logarithmiques, etc., l’ordinateur doit recourir à des approximations qui ne nécessitent que l’utilisation de ces quatre opérations élémentaires. On constate immédiatement que les polynômes, par l’entremise du schéma de Horner, sont d’excellents candidats pour l’approximation de fonctions plus complexes puisque leur évaluation ne nécessite que les quatre opérations arithmétiques élémentaires. Le développement de Taylor est parfois utilisé, mais ne constitue pas forcément la meilleure approximation possible ni surtout la plus rapide. Nous allons voir dans cette section comment on peut obtenir une valeur numérique de la fonction exponentielle f (x) = ex , et ce, pour toute valeur de x sur la droite réelle. Des procédures similaires à celle que nous décrivons ici existent pour les fonctions trigonométriques, logarithmiques, etc. Nous nous servirons des approximations rationnelles de Padé, pour illustrer ce processus. Le lecteur devra toutefois être conscient qu’un ordinateur n’utilise pas exactement des approximations de Padé mais utilise d’autres approximations rationnelles plus précises. Le principe de base reste cependant le même. La première difficulté vient du fait que l’on doit pouvoir calculer l’exponentielle pour toute valeur de x. Le développement de Taylor de la fonction ex au voisinage de 0 : x2 x3 xn + + ··· + + ··· 2! 3! n! se révèle inefficace puisque la convergence de cette série est lente, en particulier pour les grandes valeurs de x. La première étape consiste donc à réduire la longueur de l’intervalle sur lequel on doit travailler. Pour ce faire, on remarque que, quel que soit le nombre x dans ] − ∞ , ∞[, on peut toujours écrire : ex = 1 + x +

x = N ∗ ln 2 + g où N ∗ est un entier (éventuellement négatif) et g un nombre réel appartenant à l’intervalle ] − ln22 , ln22 [. En effet, il suffit de diviser le nombre x par la quantité ln 2 pour obtenir : x = N + f ou encore x = N ln 2 + f ln 2 ln 2 où N est la partie entière et f la partie fractionnaire du résultat de la division. On distingue alors 2 cas : si f est dans l’intervalle [0 , 12 ], on prend N ∗ = N et g = f ln 2 et il est clair que g ∈ [0 , ln22 ].

Analyse d’erreurs

39

Par contre, si f est dans l’intervalle [ 21 , 1[, on écrit dans ce cas : x = (N + 1) ln 2 + (f − 1) ln 2 et l’on pose N ∗ = N + 1 et g = (f − 1) ln 2. On vérifie alors facilement que g ∈] − ln22 , 0[. Par exemple, si x = 10, alors : 10 = 14,426 950 408 889 635 ln 2 et N = 14 et f = 0,426 950 408 889 635. Puisque f est dans l’intervalle [0 , 21 ], on a : 10 = 14 ln 2 + 0,426 950 408 889 635(ln 2) = 14 ln 2 + 0,295 939 472 160 766 ce qui entraîne que N ∗ = 14 et g = 0,295 939 472 160 766. Par contre, si x = 11, on a : 11 = 15,869 645 449 778 599 ln 2 Puisque la partie fractionnaire est supérieure à 12 , on a : 11 = 15 ln 2 + 0,869 645 449 778 599(ln 2) = 16 ln 2 + (0,869 645 449 778 599 − 1) ln 2 = 16 ln 2 − 0,090 354 888 959 124 et donc N ∗ = 16 et g = −0,090 354 888 959 124. Une fois cette décomposition obtenue, on évalue l’exponentielle à l’aide de la relation : ∗ ∗ ex = eN ln 2+g = eg × 2N (1.30) Puisque l’ordinateur travaille très souvent en base 2, cette forme est idéale. Il ne reste plus qu’à obtenir une approximation de eg pour g ∈] − ln22 , ln22 [, ce qui est quand même plus facile. Nous allons considérer une approximation rationnelle, qui n’est rien d’autre qu’un quotient de polynômes, de la forme : r(x) =

a0 + a1 x + a2 x2 1 + b1 x + b2 x2

En se servant du développement de Taylor de degré 4 (p4 (x)) de l’exponentielle, on peut déterminer les différentes constantes ai et bi en posant : ex = 1 + x +

x2 x3 x4 a0 + a1 x + a2 x2 + + + O(x5 ) ≃ 2! 3! 4! 1 + b 1 x + b2 x 2

En développant cette égalité, on obtient : ( 1+x+

) ( ) x2 x3 x4 + + + O(x5 ) 1 + b1 x + b2 x2 = a0 + a1 x + a2 x2 2! 3! 4!

40

Chapitre 1

et en négligeant tous les termes de degré supérieur à 4 : ( ) 1 2 a0 + a1 x + a2 x = 1 + (b1 + 1) x + + b1 + b2 x 2 2 ( ) ( ) 1 b1 1 b 1 b2 + + + b2 x 3 + + + x4 6 2 24 6 2 Une telle égalité n’est possible pour tout x que si les coefficients des deux membres sont égaux. En commençant par ceux de x3 et x4 , on peut déterminer facilement b1 et b2 et par la suite a0 , a1 et a2 . On obtient alors l’approximation d’ordre 5 suivante : r(x) =

1+ 1−

x 2 x 2

+ +

x2 12 x2 12

=

x2 + 6x + 12 x2 − 6x + 12

de la fonction ex dans l’intervalle ] − ln22 , ln22 [. Nous avons tracé à la figure 1.4 l’erreur commise en utilisant le polynôme de Taylor et la fonction rationnelle r(x). On constate que l’erreur maximale commise en utilisant la fonction rationnelle est plus faible que celle obtenue par le développement de Taylor. Les deux erreurs ainsi commises sont de l’ordre de 10−5 . En se servant de la relation 1.30, on aurait : e10 = ≃ = =

e0,295 939 472 160 766 × 214 r(0,295 939 472 160 766) × 214 1,344 384 520 885 354 × 214 22 026,395 990 185 64

et une erreur de 0,06977 par rapport à la valeur exacte. Ce n’est certes pas suffisamment précis pour que l’on puisse se servir de cette approximation dans un ordinateur. D’autres approximations rationnelles sont encore plus précises. Considérons par exemple (voir Cody et Waite [9]) : r∗ (x) =

Q(x) + xP (x) Q(x) − xP (x)

où : P (x) = 0,249 999 999 999 999 993 + 0,694 360 001 511 792 852 × 10−2 x2 + 0,165 203 300 268 279 130 × 10−4 x4 Q(x) = 0,5 + 0,555 538 666 969 001 188 × 10−1 x2 + 0,495 862 884 905 441 294 × 10−3 x4 À la figure 1.4, on peut constater que l’erreur commise avec cette approximation est très faible, de l’ordre de 10−16 , ce qui est suffisant si l’on travaille en double précision. On remarque cependant qu’il s’agit d’un quotient de 2 polynômes de degré 5 en x, ce qui explique la grande précision.

Analyse d’erreurs

5

×10−5

4

ex − r∗ (x)

3

ex − r(x)

2

ex − p4 (x)

1

0 -1 -2 -3 -4

−0,3

−0,2

−0,1

0

0,1

0,2

0,3

Figure 1.4 – Erreurs commises : ex − p4 (x), ex − r(x) et ex − r∗ (x)

41

42

Chapitre 1

1.8

Exercices

1. Tous les chiffres des nombres suivants sont significatifs. Donner une borne supérieure de l’erreur absolue et estimer l’erreur relative. a) 0,1234 b) 8,760 c) 3,141 56 d) 0,112 35 × 10−3 e) 8,000 f) 0,223 56 × 108 2. Exprimer les nombres décimaux suivants en représentation binaire classique. a) 32 b) 125 c) 1231 d) 876 e) 999 f) 12 345 3. Exprimer les entiers signés 125, −125, 0, 175 et −100 dans une forme binaire sur 8 bits en utilisant : a) le complément à 2. b) la représentation par excès (d = 27 ). 4. Traduire les nombres binaires 0000 0011, 1000 0001 et 1111 1111 dans la forme décimale selon que la représentation utilisée est : a) la représentation binaire classique b) le complément à 2 c) la représentation par excès (d = 27 ) 5. Convertir en forme binaire les fractions décimales suivantes. a) 0,5 b) 0,2 c) 0,9 d)

1 3

e) 0,25 f)

3 8

6. Convertir les nombres suivants en simple précision IEEE-754. a) − 52,234 375 b) 7112,0 c) 16,2 Vérifier les réponses en les retransformant en nombres décimaux. Évaluer l’erreur de représentation commise en c). 7. On vous propose la convention fictive IEEE-FICT pour les nombres réels normalisés qui utilise exactement les mêmes principes que la convention IEEE-754 mais sur 8 bits. Le premier bit est le bit de signe, les 3 bits suivants représentent l’exposant par excès de 3 et les 4 derniers bits sont pour la mantisse normalisée (le premier bit de la mantisse normalisée n’est pas mis en mémoire). Notons enfin que les exposants 000 et 111 sont réservés aux exceptions (nombres non normalisés) et ne peuvent donc pas être utilisés. a) Donner les valeurs binaires et décimales de tous les exposants possibles dans cette représentation (en excluant les exceptions). b) Donner le plus petit nombre positif possible dans cette représentation (indiquer la représentation binaire IEEE-FICT sur 8 bits et la valeur correspondante en décimal). c) Donner la précision machine pour cette représentation.

Analyse d’erreurs

43

d) Exprimer le nombre 3,25 dans la représentation IEEE-FICT. 8. Donner la représentation en notation flottante en base 10 des nombres suivants (arrondir en conservant 4 chiffres dans la mantisse). c) 23 a) e b) 61 5 d) 12,487 × 10 e) 213 456 f) 2000,1 9. Montrer que la loi d’associativité de l’addition n’est pas toujours respectée en arithmétique flottante. Utiliser l’arithmétique flottante à 3 chiffres et les nombres suivants : x = 0,854 × 103 , y = 0,251 × 103 et z = 0,852 × 103 . 10. Effectuer les opérations suivantes en arithmétique flottante à 3 chiffres. ( ) b) 2136 (9993 + 0,004 567) c) (1,235)4 a) π π1 d) 10 200 + 341 e) (10 200 + 341) − 9800 f) (125 × 25) + (10 × 2,5) 11. On considère l’expression : x = (((((((0,1×100 +0,1×10−3 )+0,4×10−3 )+0,2×10−3 )+0,1×10−3 ) + 0,2 × 10−3 ) + 0,1 × 10−3 ) a) Calculer la valeur de x en arithmétique exacte, puis en arithmétique flottante à 3 chiffres avec arrondi, en respectant l’ordre prescrit par les parenthèses. Expliquer la différence entre les résultats. Déterminer l’erreur relative. b) Proposer une modification de l’ordre de sommation qui permette d’obtenir une réponse plus précise en arithmétique flottante à 3 chiffres. Valider votre réponse en calculant de nouveau l’erreur relative. 12. On souhaite évaluer la somme : 10 ∑ (1/i2 ) i=1

en arithmétique flottante à 3 chiffres avec troncature de deux façons différentes. a) Évaluer 1/1 + 1/4 + · · · + 1/100 ; b) Évaluer 1/100 + 1/81 + · · · + 1/1. Déterminer le résultat le plus précis en justifiant votre réponse. 13. Est-ce que (x ÷ y) est équivalent à (x × (1 ÷ y)) en arithmétique flottante ? 14. Combien de nombres différents peut-on représenter en arithmétique flottante à 3 chiffres (base 10) si l’exposant l est compris entre −9 et 9 ? On supposera comme il se doit que la mantisse est normalisée et l’on traitera le nombre 0 comme une exception.

44

Chapitre 1

15. On doit effectuer l’opération 1 − cos x pour des valeurs de x voisines de 0. Expliquer ce qui risque de se produire du point de vue de l’arithmétique flottante et proposer une solution de rechange. 16. Donner une façon d’évaluer les expressions suivantes qui permette d’éviter le plus possible les erreurs dues à l’arithmétique flottante. a) cos2 θ − sin2 θ pour des valeurs de θ autour de

π 4

b) p(2), où p(x) = 1 − 2x + 3x2 − 4x3 100 ∑ 1 c) i2 i=1

∑∞ 1 17. La série divergente n=1 n devient convergente en arithmétique flottante. Expliquer brièvement pourquoi. 18. Démontrer que l’erreur relative liée à la multiplication et à la division de deux nombres est la somme des erreurs relatives liées à chacun des nombres (voir les relations 1.29). 19. Soit x∗ = 0,25×10−2 une approximation de x à trois chiffres significatifs. Trouver une borne inférieure et une borne supérieure, aussi précises que possible, pour la valeur de x. Suggestion : cet exercice a pour but de vous faire réfléchir sur l’inégalité 1.3 du texte. Il est important de la relire avec soin. 20. Effectuer les développements de Taylor suivants à l’ordre demandé. Utiliser la forme de l’équation 1.24. Donner l’expression analytique du terme d’erreur. Donner également une borne supérieure de l’erreur lorsque c’est possible. a) cos(x) autour de x0 = 0 (ordre 8) b) sin(x) autour de x0 = 0 (ordre 9) c) arctan(x) autour de x0 = 0 (ordre 5) d) cos(x) autour de x0 = π2 (ordre 7) e) sin(x) autour de x0 = π2 (ordre 8) 21. Estimer les erreurs commises dans l’évaluation des fonctions suivantes. Tous les chiffres fournis sont significatifs. Indiquer le nombre de chiffres significatifs du résultat. a) b) c) d)

ln(x) en x∗ = 2,01 arctan(x) en x∗ = 1,0100 x8 en x∗ = 1,123 (sin(x))2 en x∗ = 0,11

22. Estimer les erreurs commises dans l’évaluation des fonctions de plusieurs variables suivantes. Tous les chiffres fournis sont significatifs. Indiquer le nombre de chiffres significatifs du résultat. a) x2 y 3 en x∗ = 12,1, y ∗ = 3,721 b) −xyz en x∗ = 1,260, y ∗ = 0,5 × 10−3 , z ∗ = 12,93

Analyse d’erreurs

45

23. La déflexion y du sommet du mât d’un voilier sous le poids de la voilure est donnée par la formule : F L4 y= 8EI où : F = 750 N/m est la charge (supposée uniforme) ; L = 11,0 m est la hauteur du mât ; E = 0,675 × 1010 Pa est le module d’élasticité ; I = 0,75 × 10−3 m4 est le moment d’inertie. On supposera que tous les chiffres fournis sont significatifs. Évaluer le nombre de chiffres significatifs de la déflexion y du sommet du mât. 24. Dans la revue Science & Vie [17] de septembre 1996, on fournit les données suivantes pour le satellite Titania d’Uranus : Rayon : R = 800 000 ± 5 000 m Densité : ρ = 1 590 ± 90 kg/m3 a) Donner le nombre de chiffres significatifs du rayon R et de la densité ρ. b) En supposant que Titania soit parfaitement sphérique (de volume 3 V = 4πR 3 ), trouver une approximation de la masse de Titania et donner le nombre de chiffres significatifs de votre résultat. 25. À l’aide d’une méthode numérique, on a évalué la dérivée d’une fonction pour deux valeurs de h. h f ′ (x0 ) Erreur absolue 0,1 25,3121 0,0004 0,05 25,312 475 0,000 025 a) Donner le nombre de chiffres significatifs de chaque approximation et arrondir au dernier chiffre significatif. b) Quel est l’ordre de la méthode de différentiation numérique utilisée ? 26.

2

Écrire un programme qui évalue la formule suivante :

1 (sin(x + h) − sin x) h au point x = 0,5 en utilisant les valeurs de h = 10−p avec p = 1, 2, · · · , 20. Expliquer les résultats obtenus en comparant avec la valeur exacte de cos(0,5). (sin x)′ = cos x ≈

27.

On considère la suite {xn }∞ n=1 définie par : ) ( ) ( 12α − 3β 1 3β − α n 4 + xn = 11 11 3n

2. Les exercices précédés du symbole nécessitent l’utilisation d’un ordinateur. Pour R qui possède faciliter la tâche de programmation, nous recommandons le logiciel Matlab⃝ toutes les fonctionnalités de base nécessaires à l’apprentissage des méthodes numériques.

46

Chapitre 1 où α et β sont des constantes. a) En posant α = 1 et β = x1 , x2 , · · · , x50 .

1 3,

écrire un programme pour calculer

b) On perturbe maintenant légèrement la suite en posant : ( ) ( ) 3β − α 12α − 3β 1 n yn = +ϵ 4 + +ϵ 11 11 3n En choisissant toujours α = 1 et β = 13 , calculer y1 , y2 , · · · , y50 pour ϵ = 10−12 et ϵ = 10−50 respectivement. c) Expliquer les résultats. ∫ π( ) x 2n 28. Soit Sn = sin x dx. Cette suite est positive car l’intégrand π 0 est une fonction positive dans l’intervalle considéré. a) Montrer que l’on obtient la relation de récurrence : Sn = 1 −

2n(2n − 1) Sn−1 , π2

n = 1, 2, · · ·

b) Il est facile de s’assurer que S0 = 2. Montrer expérimentalement que cette récurrence est instable en calculant S1 , S2 ..., S16 . L’instabilité se traduira par l’apparition de valeurs négatives. c) On pourrait facilement montrer Sn tend vers 0. Utiliser cette fois la récurrence inverse, en partant de S15 = 0, pour calculer : S14 , S13 , · · · , S0 Que constatez-vous ? 29. On utilise souvent l’approximation : sin x ≃ x comme nous l’avons fait pour le problème du pendule. D’où vient cette approximation et quel est son ordre de précision ? 30. On peut obtenir une approximation de la fonction exponentielle f (x) = ex à l’aide de la fonction rationnelle : r(x) =

x2 + 6x + 12 x2 − 6x + 12

En comparant r(x) avec les valeurs exactes de l’exponentielle en x = 0,2 et en x = 0,1, déterminer l’ordre de cette approximation. 31.

a) Calculer le développement de Taylor d’ordre 5, c’est-à-dire dont le terme d’erreur est de type O(h5 ), de la fonction f (x) = ln(x) autour de x0 = 1. Donner l’expression analytique du terme d’erreur.

Analyse d’erreurs

47

b) À l’aide de ce développement, donner une approximation de ln(1,1). Par comparaison avec la valeur exacte (ln 1,1 = 0,095 310 179 8), donner le nombre de chiffres significatifs de l’approximation. c) Par quel facteur approximatif l’erreur obtenue en b) serait-elle réduite si l’on évaluait ln(1,025) au moyen du développement de Taylor obtenu en a) ? (Ne pas faire les calculs.) 32. En se servant d’un développement de Taylor de la fonction arctan x autour de x0 = 0, on a obtenu les résultats suivants : arctan(0,4) = 0,380 714 667 (erreur absolue = 0,208 29 × 10−3 ) arctan(0,1) = 0,099 668 667 (erreur absolue = 0,1418 × 10−7 ) Quel était l’ordre du développement de Taylor utilisé ? 33. a) Obtenir le développement de Taylor autour de x0 = 0 de la fonction : f (x) =

1 1−x

b) Poser x = −t2 dans le développement en a) et obtenir le développement de Taylor de : 1 g(t) = 1 + t2 c) Intégrer l’expression obtenue en b) et obtenir le développement de Taylor de la fonction arctan t. d) Utiliser l’expression obtenue en a) et obtenir le développement de Taylor de ln(1 + x). (Remplacer x par −x en premier lieu.) 34. La fonction d’erreur f (x) est définie par : ∫ x 2 2 f (x) = √ e−t dt π 0 Pour en obtenir le développement de Taylor, on peut suivre les étapes suivantes : a) Obtenir le développement de Taylor de e−x . (Limiter le développement aux 6 premiers termes.) b) Déduire de a) le développement de Taylor de e−t . c) Déduire de b) le développement de Taylor de f (x). d) Donner une approximation de f (1) en utilisant les 4 premiers termes de son développement de Taylor. e) Quel est l’ordre de l’approximation obtenue en d) ? f) Donner le nombre de chiffres significatifs de l’approximation obtenue en d) en la comparant avec la valeur exacte f (1) = 0,842 701. a) Obtenir le développement de Taylor d’ordre 3 de la fonction : √ f (x) = 1 + x 2

35.

autour de x0 = 0.

48

Chapitre 1 b) Donner l’expression analytique du terme d’erreur pour le développement obtenu en a). c) À du polynôme trouvé en a), donner des approximations de √ l’aide √ 1,1 et 1,025 et calculer les erreurs absolues e1 et e2 commises en comparant avec les valeurs exactes correspondantes. Donner le nombre de chiffres significatifs de chaque approximation. d) Effectuer le rapport ee12 et expliquer le résultat.

36. Sachant que : sin x =

∞ ∑ n=0

(−1)n

x2n+1 (2n + 1)!

a) Quelle sera l’erreur maximale commise si on approxime sin x par la somme des k premiers termes de l’égalité ci-dessus. b) En utilisant les propriétés de symétrie et de périodicité de la fonction sinus, construire un algorithme permettant de calculer sin x pour toute valeur de x ∈ R avec une erreur d’au plus 10−5 , et ce, en effectuant le minimum d’opérations arithmétiques. √ 37. Si f (x) = 4 + x. a) Trouver le développement de Taylor de degré 2 (P2 (x)), de la fonction f (x) au voisinage de x0 = 0. √ b) En utilisant P2 (x), donner√une approximation de 3,9. En utilisant la valeur «exacte» de 3,9 (donnée par votre calculatrice par exemple), estimer l’erreur absolue et l’erreur relative commises. c) Quels sont les chiffres significatifs de l’approximation obtenue en a) ?

Chapitre 2

Équations non linéaires 2.1

Introduction

Le numéricien est souvent confronté à la résolution d’équations algébriques de la forme : f (x) = 0 (2.1) et ce, dans toutes sortes de contextes. Introduisons dès maintenant la terminologie qui nous sera utile pour traiter ce problème. Définition 2.1 Une valeur de x solution de f (x) = 0 est appelée une racine ou un zéro de la fonction f (x) et est notée r. Nous avons tous appris au secondaire comment résoudre l’équation du second degré : ax2 + bx + c = 0 dont les deux racines sont : −b ±



b2 − 4ac 2a

Certains ont également vu comment calculer les racines d’une équation du troisième ordre et se souviennent que la formule est beaucoup plus complexe. On peut aussi obtenir une formule générale pour le quatrième degré. Par contre, on ignore souvent qu’il n’existe pas de formule permettant de trouver les racines des polynômes de degré plus grand ou égal à 5. Non pas que les mathématiciens ne l’aient pas encore trouvée, mais Abel 1 et par la suite Galois 2 ont démontré que cette formule n’existe pas. Puisqu’il n’existe pas de formule générale pour des fonctions aussi simples que des polynômes, il est peu probable que l’on puisse résoudre analytiquement l’équation 2.1 dans tous les cas qui nous intéressent. Il faudra donc recourir aux 1. Le mathématicien norvégien Niels Henrik Abel (1802-1829) fut à l’origine de la première démonstration de cet important résultat. 2. Le mathématicien Évariste Galois (1811-1832) fut tué dans un duel à l’âge de 21 ans, non sans avoir eu le temps d’apporter une contribution considérable à la théorie des groupes.

50

Chapitre 2

méthodes numériques. Dans ce qui suit, nous présentons plusieurs techniques de résolution, chacune ayant ses avantages et ses inconvénients. Nous tâcherons de les mettre en évidence de façon à tirer le meilleur parti de chacune des méthodes proposées. Il faudra également se souvenir des enseignements du chapitre précédent pour éviter de développer des algorithmes numériquement instables.

2.2

Méthode de la bissection

La méthode de la bissection repose sur une idée toute simple : en général, de part et d’autre d’une solution de l’équation 2.1, une fonction continue f (x) change de signe et passe du positif au négatif ou vice versa (fig. 2.1). De toute évidence, ce n’est pas toujours le cas puisque la fonction f (x) peut aussi être tangente à l’axe des x Nous reviendrons plus loin sur ces situations particulières (fig. 2.2). Supposons pour l’instant qu’il y ait effectivement un changement de signe autour d’une racine r de f (x). Nous nous occuperons des cas pathologiques un peu plus tard. Soit [x1 , x2 ], un intervalle ayant un changement de signe, c’est-à-dire : f (x1 ) × f (x2 ) < 0 (2.2) On pose alors : x1 + x2 2 qui est bien sûr le point milieu de l’intervalle. Il suffit alors de déterminer, entre les intervalles [x1 , xm ] et [xm , x2 ], celui qui possède encore un changement de signe. La racine se trouvera forcément dans cet intervalle. À la première itération de la figure 2.1, ce serait l’intervalle [xm , x2 ], tandis qu’à la deuxième itération ce serait [x1 , xm ]. Cela nous amène à l’algorithme suivant. xm =

Algorithme 2.2 : Algorithme de la bissection 1. Étant donné un intervalle [x1 , x2 ] pour lequel f (x) possède un changement de signe 2. Étant donné ϵa , le critère d’arrêt, et N , le nombre maximal d’itérations 3. Poser : x1 + x2 xm = 2 |x2 − x1 | < ϵa : 2|xm | – convergence atteinte – écrire la racine xm – écrire f (xm ) – arrêt 5. Écrire x1 , x2 , xm , f (x1 ), f (x2 ), f (xm ) 6. Si f (x1 ) × f (xm ) < 0, alors x2 = xm 7. Si f (xm ) × f (x2 ) < 0, alors x1 = xm 4. Si

Équations non linéaires

10 8 6 4 2 0 -2 -2

x1

-1,5

-1

-0,5

0

xm

0,5

1

1,5

2

x2

1 0,5 0 -0,5 -1 -1,5 -2 0

0,2 0,4 0,6 0,8

x1

1

1,2

1,4 1,6 1,8

xm

2

x2

1 0,8 0,6 0,4 0,2 0 -0,2 -0,4 -0,6 -0,8 0

0,2

0,4

x1

0,6

0,8

xm

1

x2

0,2 0,1 0 -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7 0,5

x1

0,6

0,7

0,8

xm

0,9

1

x2

Figure 2.1 – Méthode de la bissection : f (x) = e−x − x

51

52

Chapitre 2 8. Si le nombre maximal d’itérations N est atteint : – convergence non atteinte en N itérations – arrêt 9. Retour à l’étape 3 N L’expression :

|x2 − x1 | 2|xm |

est une approximation de l’erreur relative. En effet, à l’étape 3 de l’algorithme de la bissection, la racine recherchée est soit dans l’intervalle [x1 , xm ] ou dans l’intervalle [xm , x2 ], qui sont tous deux de longueur (x2 −x1 )/2, ce qui constitue une borne supérieure de l’erreur absolue. En divisant par xm , on obtient une approximation assez fiable de l’erreur relative. Remarque 2.3 Dans l’algorithme précédent, il faut prendre garde au cas où la racine recherchée est 0. Il y a alors risque de division par 0 au cours de l’évaluation de l’erreur relative. Ce cas est toutefois rare en pratique.  Remarque 2.4 Il est parfois utile d’introduire un critère d’arrêt sur la valeur de f (x), qui doit tendre également vers 0. 

Exemple 2.5 La fonction f (x) = x3 + x2 − 3x − 3 possède un zéro dans l’intervalle [1 , 2]. En effet : f (1) × f (2) = −4,0 × 3,0 = −12,0 < 0 On a alors xm = 1,5 et f (1,5) = −1,875. L’intervalle [1,5 , 2] possède encore un changement de signe, ce qui n’est pas le cas pour l’intervalle [1 , 1,5]. Le nouvel intervalle de travail est donc [1,5 , 2], dont le point milieu est xm = 1,75. Puisque f (1,75) = 0,171 87, on prendra l’intervalle [1,5 , 1,75] et ainsi de suite. Le tableau suivant résume les résultats. Méthode de la bissection : f (x) = x3 + x2 − 3x − 3 x1 x2 xm f (x1 ) f (x2 ) f (xm ) Erreur absolue liée à xm 1,0 2,0 1,5 −4,0 3,0 −1,875 0,5 1,5 2,0 1,75 −1,875 3,0 +0,171 87 0,25 1,5 1,75 1,625 −1,875 0,171 87 −0,943 35 0,125 1,625 1,75 1,6875 −0,943 35 0,171 87 −0,409 42 0,0625 1,6875 1,75 1,718 75 −0,409 42 0,171 87 −0,124 78 0,031 25 

Équations non linéaires

53

On remarque aisément que la longueur de l’intervalle entourant la racine est divisée par deux à chaque itération. Cette constatation permet de déterminer à l’avance le nombre d’itérations nécessaire pour obtenir une certaine erreur absolue ∆r sur la racine r. Soit L = x2 − x1 , la longueur de l’intervalle de départ. Après une itération, le nouvel intervalle est de longueur L2 et après n itérations la longueur de l’intervalle est L/2n . Si l’on veut connaître la valeur de n nécessaire pour avoir : L < ∆r 2n il suffit de résoudre cette équation en fonction de n et l’on trouve la condition : (L) ln ∆r n> (2.3) ln 2 Il est clair que, sur le plan pratique, on doit prendre pour valeur de n le plus petit entier vérifiant cette condition. On a aussi tout intérêt à bien cerner la racine recherchée et à prendre, dès le départ, un intervalle de longueur aussi petite que possible. Exemple 2.6 Dans l’exemple précédent, L = 2,0 − 1,0. Si l’on veut une erreur absolue plus petite que 0,5 × 10−2 , ce qui revient à s’assurer que le chiffre des centièmes est significatif, il faut effectuer au moins : ( ) 1,0 ln 0,5×10−2 = 7,64 itérations ln 2 On fera donc 8 itérations pour s’assurer de cette précision. On peut aisément vérifier qu’après 8 itérations l’erreur maximale liée à xm est de 0,003 906 25 et que la véritable erreur est 0,001 582. 

Exemple 2.7 √ On souhaite calculer 2 avec une calculatrice dotée seulement des 4 opérations élémentaires. Cela revient à résoudre : x2 − 2 = 0 Cette fonction présente un changement de signe dans l’intervalle [1 , 2]. L’algorithme de la bissection donne les résultats suivants. Méthode de la bissection : f (x) = x2 − 2 x1 x2 xm f (x1 ) f (x2 ) f (xm ) 1,0 2,0 1,5 −1,0 2,0 +0,25 1,0 1,5 1,25 −1,0 0,25 −0,4375 1,25 1,5 1,375 −0,4375 0,25 −0,1094 1,375 1,5 1,4375 −0,1094 0,25 +0,066 41 1,375 1,4375 1,4062 −0,1094 0,066 41 −0,022 46 1,4062 1,4375 1,4219 −0,022 46 0,066 41 +0,021 73 1,4062 1,4219 1,4141 −0,022 46 0,021 73 −0,000 43

(xm )2 1,1 1,01 1,011 1,0111 1,011 01 1,011 011 1,011 010 1

54

Chapitre 2

On a arrondi à 5 chiffres les résultats de ce tableau. En √ poursuivant plus avant les itérations, on se rapprocherait de plus en plus de 2. On peut également ajouter une remarque intéressante du point de vue de la représentation binaire. En effet, l’intervalle de départ étant [1 , 2], chaque itération de la méthode de la bissection permet de fixer 1 bit de la représentation binaire de la racine. À la (n + 1)e itération, on est assuré que les n premiers bits de la mantisse de xm sont exacts. On peut constater ce phénomène à la dernière colonne du tableau, qui contient la représentation binaire de xm .  Remarque 2.8 La convergence de la méthode de la bissection n’est pas très rapide, mais elle est sûre à partir du moment où on a un intervalle avec changement de signe. On parle alors de méthode fermée, car on travaille dans un intervalle fermé. C’est également le cas de la méthode de la fausse position (voir les exercices de fin de chapitre). Les méthodes des sections qui suivent sont dites ouvertes en ce sens qu’il n’y a pas d’intervalle à déterminer ayant un changement de signe. Au contraire des méthodes fermées, les méthodes ouvertes ne garantissent nullement la convergence, mais elles présentent d’autres avantages.  Remarque 2.9 Il existe des cas où la méthode de la bissection ne fonctionne pas. La figure 2.2 illustre certains de ces cas. La première situation critique est celle où la fonction f (x) est tangente à l’axe des x et ne présente donc pas de changement de signe. La bissection ne peut alors s’appliquer. Il y a aussi celle où deux racines (ou un nombre pair de racines) sont présentes dans l’intervalle de départ ; en ce cas, il n’y a toujours pas de changement de signe. Enfin, si l’intervalle de départ contient un nombre impair de racines, f (x) change de signe, mais l’algorithme peut avoir des difficultés à choisir parmi ces racines. On peut assez facilement éviter ces écueils en illustrant graphiquement la fonction f (x) dans l’intervalle d’intérêt. 

2.3

Méthodes des points fixes

Avant d’aborder les méthodes des points fixes, il importe de définir ce qu’est un point fixe d’une fonction. Définition 2.10 Un point fixe d’une fonction g(x) est une valeur de x qui reste invariante pour cette fonction, c’est-à-dire toute solution de : x = g(x)

(2.4)

est un point fixe de la fonction g(x). Il existe un algorithme très simple permettant de déterminer des points fixes. Il suffit en effet d’effectuer les itérations de la façon suivante : { x0 donné (2.5) xn+1 = g(xn )

Équations non linéaires

0

x1

x2

x1

x2

x1

x2

0

0

Figure 2.2 – Cas pathologiques pour la méthode de la bissection

55

56

Chapitre 2

à partir d’une valeur estimée initiale x0 . L’intérêt de cet algorithme réside dans sa généralité et dans la relative facilité avec laquelle on peut en faire l’analyse de convergence. Il en résulte l’algorithme plus complet suivant. Algorithme 2.11 : Algorithme des points fixes 1. Étant donné ϵa , un critère d’arrêt 2. Étant donné N , le nombre maximal d’itérations 3. Étant donné x0 , une valeur estimée initiale du point fixe 4. Effectuer xn+1 = g(xn ) |xn+1 − xn | 5. Si < ϵa : |xn+1 | – convergence atteinte – écrire la solution xn+1 – arrêt 6. Si le nombre maximal d’itérations N est atteint : – convergence non atteinte en N itérations – arrêt 7. Retour à l’étape 4 N On peut résoudre des équations non linéaires de la forme f (x) = 0 en utilisant l’algorithme des points fixes. Il suffit pour ce faire de transformer l’équation f (x) = 0 en un problème équivalent de la forme x = g(x). L’ennui est qu’il y a une infinité de façons différentes de le faire. Nous verrons que certains choix donnent lieu à des algorithmes convergents et d’autres pas. Exemple 2.12 Commençons par un exemple simple. On cherche à résoudre l’équation du second degré x2 − 2x − 3 = 0. Il n’est pas nécessaire de recourir aux méthodes numériques pour résoudre ce problème, dont les deux solutions sont r1 = 3 et r2 = −1. Cet exemple permet cependant de mieux comprendre ce qui se passe lorsqu’on utilise l’algorithme des points fixes. Puisqu’il y a une infinité de façons différentes de transformer cette équation sous la forme x = g(x), nous en choisissons trois au hasard. x =



2x + 3 = g1 (x) (en isolant x2 )

x =

3 x−2

= g2 (x) (en écrivant x(x − 2) − 3 = 0)

x =

x2 − 3 2

= g3 (x) (en isolant le x de −2x)

(2.6)

Si l’on applique l’algorithme des points fixes à chacune des fonctions gi (x) en partant de x0 = 4, on obtient pour g1 (x) :

Équations non linéaires √

= g1 (4)

x2

= g1 (3,316 6248) =

x3

= g1 (3,103 7477) =

x4 .. .

= g1 (3,034 3855) = 2 × 3,034 3855 + 3 = 3,011 4402 .. .. .. . .√ . = g1 (3,000 0470) = 2 × 3,000 0470 + 3 = 3,000 0157

x10

=

2×4+3

x1

√ √ √

57

= 3,316 6248

2 × 3,316 6248 + 3 = 3,103 7477 2 × 3,103 7477 + 3 = 3,034 3855

L’algorithme semble donc converger vers la racine r1 = 3. Reprenons l’exercice avec g2 (x), toujours en partant de x0 = 4 : x1

= g2 (4)

=

x2

= g2 (1,5)

=

x3

= g2 (−6,0)

=

x4

= g2 (−0,375)

=

.. .

.. .

x10 = g2 (−0,998 9841) =

3 4−2 3 1,5 − 2 3 −6,0 − 2 3 −0,375 − 2 .. . 3 −0,998 9841 − 2

= 1,5 = −6,0 = −0,375 = −1,263 1579 .. . = −1,000 3387

On remarque que, contrairement au cas précédent, les itérations convergent vers la racine r2 = −1 en ignorant la racine r1 = 3. En dernier lieu, essayons l’algorithme avec la fonction g3 (x) : (4)2 − 3 2 (6,5)2 − 3 = g3 (6,5) = 2 (19,625)2 − 3 = g3 (19,625) = 2 (191,0703)2 − 3 = g3 (191,0703) = 2 .. ... .

x1 = g3 (4) x2 x3 x4 ...

=

= 6,5 = 19,625 = 191,0703 = 18 252,43 ...

Visiblement, les itérations tendent vers l’infini et aucune des deux solutions possibles ne sera atteinte. Cet exemple montre clairement que l’algorithme des points fixes, selon le choix de la fonction itérative g(x), converge vers l’une ou l’autre des racines et peut même diverger complètement dans certains cas. Il faut donc une analyse plus fine afin de déterminer dans quelles conditions la méthode des points fixes est convergente. 

58

2.3.1

Chapitre 2

Convergence de la méthode des points fixes

Nous nous intéressons dans cette section au comportement de la méthode des points fixes pour la résolution de l’équation f (x) = 0. On a d’abord transformé cette équation sous la forme équivalente x = g(x). Soit r, une valeur qui est à la fois une racine de f (x) et un point fixe de la fonction g(x), c’est-à-dire qui vérifie f (r) = 0 et : r = g(r) (2.7) On définit l’erreur à l’étape n comme étant : en = xn − r On cherche à déterminer sous quelles conditions l’algorithme des points fixes converge vers la racine r. Ce sera bien sûr le cas si l’erreur en tend vers 0 lorsque n devient grand. Il est intéressant de suivre le comportement de l’erreur au fil des itérations. On a en vertu des relations 2.5 et 2.7 : en+1 = xn+1 − r = g(xn ) − g(r)

(2.8)

On constate aisément que : xn = r + (xn − r) = r + en et l’on peut alors utiliser un développement de Taylor de la fonction g(x) autour de la racine r. La relation 2.8 devient alors : en+1 = g(r + en ) − g(r) ( =

g ′′ (r)e2n g ′′′ (r)e3n g(r) + g (r)en + + + ··· 2! 3! ′

) − g(r)

On en conclut que : en+1 = g ′ (r)en +

g ′′ (r)e2n g ′′′ (r)e3n + + ··· 2 3!

(2.9)

L’étude de la relation 2.9 est fondamentale pour la compréhension de la méthode des points fixes. Au voisinage de la racine r, le premier terme non nul de l’expression de droite sera déterminant pour la convergence. Selon l’équation 2.9, si g ′ (r) ̸= 0 et si l’on néglige les termes d’ordre supérieur ou égal à 2 en en , on a : en+1 ≃ g ′ (r)en

(2.10)

On voit que l’erreur à l’étape (n + 1) est directement proportionnelle à l’erreur à l’étape n. L’erreur ne pourra donc diminuer que si : |g ′ (r)| < 1

(2.11)

La condition 2.11 est une condition nécessaire de convergence d’une méthode des points fixes. On remarque également que le signe de g ′ (r) a une influence sur la convergence. En effet, si : −1 < g ′ (r) < 0

Équations non linéaires

59

l’erreur changera de signe à chaque itération en vertu de l’équation 2.10 et les valeurs de xn oscilleront de part et d’autre de r. La convergence n’en sera pas moins assurée. La relation 2.10 donne de plus la vitesse à laquelle l’erreur diminue. En effet, plus g ′ (r) est petit, plus l’erreur diminue vite et donc plus la convergence est rapide. Cela nous amène à la définition suivante. Définition 2.13 Le taux de convergence d’une méthode des points fixes est donné par |g ′ (r)|. Plus le taux de convergence est petit, plus la convergence est rapide. Le cas limite est celui où g ′ (r) = 0. Dans ce cas, on déduit de l’équation 2.9 que l’erreur en+1 est proportionnelle à e2n . Cela nous amène à une autre définition. Définition 2.14 On dit qu’une méthode des points fixes converge à l’ordre p si : |en+1 | ≃ C |en |p

(2.12)

où C est une constante. La convergence d’ordre 1 est également dite linéaire, tandis que celle d’ordre 2 est dite quadratique. Remarque 2.15 Si |g ′ (r)| < 1 et |g ′ (r)| ̸= 0, la méthode des points fixes converge à l’ordre 1. Si |g ′ (r)| = 0 et |g ′′ (r)| ̸= 0, on a une convergence quadratique ; si |g ′ (r)| = |g ′′ (r)| = 0 et |g ′′′ (r)| ̸= 0, la convergence est d’ordre 3 ; et ainsi de suite.  Remarque 2.16 La convergence d’une méthode des points fixes est également assujettie au choix de la valeur initiale x0 . En effet, un mauvais choix de x0 peut résulter en un algorithme divergent même si la condition 2.11 est respectée.  Cela nous amène à définir le bassin d’attraction d’une racine r. Définition 2.17 Le bassin d’attraction de la racine r pour la méthode des points fixes xn+1 = g(xn ) est l’ensemble des valeurs initiales x0 pour lesquelles xn tend vers r lorsque n tend vers l’infini. En d’autres termes, le bassin d’attraction de r comprend tous les points x0 pour lesquels la méthode des points fixes converge vers r. Pour s’assurer de la convergence, il faut donc choisir x0 dans le bassin d’attraction de r. Intuitivement, on choisit x0 aussi près que possible de r en utilisant par exemple une méthode graphique. Il faut aussi se souvenir que les problèmes rencontrés proviennent le plus souvent de l’ingénierie et que le numéricien doit utiliser

60

Chapitre 2

ses connaissances pour estimer x0 . Par exemple, si la racine que l’on cherche correspond à une longueur ou à une concentration, il serait peu raisonnable de prendre une valeur négative de x0 . Très souvent, le simple bon sens permet de choisir x0 avec succès. Définition 2.18 Un point fixe r de la fonction g(x) est dit attractif si : |g ′ (r)| < 1 et répulsif si :

|g ′ (r)| > 1

Le cas où |g ′ (r)| = 1 est indéterminé.

Exemple 2.19 Considérons la fonction g(x) = x2 qui possède les points fixes x = 0 et x = 1. Ce dernier est répulsif, car la dérivée de g(x) (2x) vaut 2 en x = 1. Le seul point fixe intéressant est donc x = 0. La méthode des points fixes engendre, à partir de la valeur initiale x0 , la suite : 32 x0 , x20 , x40 , x80 , x16 ··· 0 , x0

Cette suite convergera vers 0 seulement si x0 ∈ ] − 1 , 1[. Ce dernier intervalle constitue donc le bassin d’attraction de ce point fixe. Toute valeur de x0 choisie à l’extérieur de cet intervalle résultera en un algorithme divergent.  Remarque 2.20 Dans le cas d’un point fixe répulsif, le bassin d’attraction se réduit à peu de choses, le plus souvent à l’ensemble {r} constitué d’un seul point.  Le résultat suivant permet dans certains cas de s’assurer de la convergence (voir Burden et Faires, réf. [5]). Théorème 2.21 Soit g(x), une fonction continue dans l’intervalle I = [a, b] et telle que g(x) ∈ I pour tout x dans I. Si de plus g ′ (x) existe et si : |g ′ (x)| ≤ k < 1 pour tout x dans l’intervalle ouvert (a, b), alors tous les points x0 de l’intervalle I appartiennent au bassin d’attraction de l’unique point fixe r de I. ⋆ Remarque 2.22 Il est possible que la méthode des points fixes converge dans le cas où : |g ′ (r)| = 1

Équations non linéaires

61

Il s’agit d’un cas limite intéressant. Nous verrons plus loin un exemple de cette situation. La convergence dans ce cas est au mieux extrêmement lente, car le taux de convergence est près de 1. 

Exemple 2.23 Revenons aux trois fonctions gi (x) de l’exemple précédent. On veut s’assurer que la condition 2.11 se vérifie à l’une ou l’autre des racines r1 = 3 et r2 = −1. On doit d’abord calculer les dérivées : g1′ (x) = √

1 , 2x + 3

g2′ (x) =

−3 , (x − 2)2

g3′ (x) = x

Les résultats sont compilés dans le tableau suivant. Taux de convergence r1 = 3 r2 = −1 g1′ (r) 0,333 33 1 g2′ (r) −3 −0,333 33 g3′ (r) 3 −1 Ce tableau aide à comprendre les résultats obtenus précédemment. La méthode des points fixes appliquée à g1 (x) a convergé vers r1 = 3, puisque g1′ (3) < 1. De même, avec g2 (x), la méthode des points fixes ne peut converger vers r1 = 3, car la dérivée de g2 (x) en ce point est plus grande que 1. Les itérations ignorent r1 et convergent vers r2 , où la valeur de la dérivée est inférieure à 1. Enfin, la fonction g3 (x) a également une dérivée plus grande que 1 en r1 . L’analyse de la convergence autour de r2 = −1 est plus subtile. En effet, puisque g3′ (x) = x, on constate que la valeur absolue de la dérivée est inférieure à 1 à droite de r2 et supérieure à 1 à gauche de r2 . De plus, cette dérivée est négative, ce qui signifie que la méthode des points fixes oscillera de part et d’autre de la racine. À une itération, la pente g ′ (xn ) sera inférieure à 1 et, à l’itération suivante, la pente g ′ (xn+1 ) sera supérieure à 1 en valeur absolue. On en conclut que l’algorithme des points fixes s’approchera légèrement de r2 à une itération et s’en éloignera à la suivante. En un mot, l’algorithme piétinera. On peut vérifier ce raisonnement en effectuant les itérations à partir de x0 = −0,95. On obtient après 10 000 itérations la valeur x10 000 = −0,986 36, ce qui signifie que la convergence est extrêmement lente. 

Exemple 2.24 Considérons la fonction g(x) = x2 + 14 dont l’unique point fixe est 12 . On a bien sûr g ′ (x) = 2x, qui vaut précisément 1 en 21 . En partant de x0 = 14 , on obtient la valeur 0,499 009 5 après 1000 itérations et donc une convergence très lente. Cela s’explique par le fait que la dérivée de g(x) est légèrement inférieure à 1 pour les valeurs de x inférieures à 12 et que les résultats des itérations restent toujours inférieurs à 12 . Par contre, en partant de x0 = 0,51, l’algorithme

62

Chapitre 2

diverge violemment après une centaine d’itérations. On constate aisément que la dérivée de g(x) est supérieure à 1 pour les valeurs de x supérieures à 21 . 

2.3.2

Interprétation géométrique

L’algorithme des points fixes possède une interprétation géométrique très élégante qui permet d’illustrer la convergence ou la divergence. La figure 2.3 présente les différents cas possibles : 0 < g ′ (r) < 1, −1 < g ′ (r) < 0 et g ′ (r) > 1. On peut interpréter cette figure de la manière suivante. Les courbes y = x et y = g(x) sont représentées et les points fixes sont bien entendu à l’intersection de ces deux courbes. À partir de la valeur initiale x0 , on se rend sur la courbe y = g(x) au point (x0 , g(x0 )) et, de là, sur la droite y = x au point (g(x0 ), g(x0 )), qui est en fait (x1 , x1 ). On recommence le même processus à partir de x1 pour se rendre à (x1 , g(x1 )) et, de là, sur la droite y = x au point (g(x1 ), g(x1 )) = (x2 , x2 ). On répète ce trajet jusqu’à la convergence (ou la divergence) de l’algorithme. On voit immédiatement la différence de comportement entre les cas convergents 0 < g ′ (r) < 1 et −1 < g ′ (r) < 0. Bien que les itérations oscillent de part et d’autre de la racine lorsque la pente est négative, la convergence n’en est pas moins assurée. Par contre, lorsque la pente est supérieure à 1, les itérations s’éloignent de la racine recherchée. On obtiendrait un résultat similaire dans le cas où g ′ (r) < −1 ; les itérations s’éloigneraient de la racine en oscillant de part et d’autre de la racine. Nous terminons cette section par un dernier exemple qui illustre la convergence généralement linéaire des méthodes des points fixes. Exemple 2.25 On considère la résolution de e−x − x = 0, que l’on transforme en un problème de points fixes x = e−x . En partant de x0 = 0 et en posant en = xn −r, l’erreur à l’étape n, on obtient le tableau suivant. Méthode des points fixes : g(x) = e−x en+1 n xn |en | en 1 1,000 0000 0,4328 × 10+0 0,4603 2 0,367 8794 0,1992 × 10+0 0,6276 3 0,692 2006 0,1250 × 10+0 0,5331 −1 4 0,500 4735 0,6667 × 10 0,5864 5 0,606 2435 0,3910 × 10−1 0,5562 6 0,545 3957 0,2174 × 10−1 0,5733 7 0,579 6123 0,1246 × 10−1 — .. .. .. .. . . . . 14 0,566 9089 0,2344 × 10−3 15 0,567 2762 0,1329 × 10−3 .. .. .. . . . 35 0,567 1433 ≃0

0,5670 0,5672 .. . 0,5671

Équations non linéaires

63

y=x

y = g(x)

x0

x1

x2x3 r

y=x y = g(x)

x0

x2

x4 r x5

x3

x1

y = g(x)

r x0x1 x2

y=x

x3

Figure 2.3 – Interprétation géométrique de la méthode des points fixes

64

Chapitre 2

Pour remplir ce tableau, on a d’abord calculé la racine r = 0,567 143 29, ce qui a permis d’évaluer les erreurs par la suite. L’analyse de ce tableau illustre plusieurs points déjà discutés. En premier lieu, on constate la convergence vers la racine r = 0,567 143 29 puisque l’erreur en tend vers 0. Fait plus important encore, la troisième colonne converge vers environ 0,5671. Ce nombre n’est pas arbitraire. En effet, en vertu de la relation 2.10, ce rapport doit converger vers |g ′ (r)|, qui vaut dans cet exemple 0,567 14. On constate bien la convergence de ce rapport vers |g ′ (r)| pour cet exemple.  Remarque 2.26 Le calcul de la suite en = xn − r permettant d’obtenir la dernière colonne du tableau précédent requiert bien entendu de connaître la racine r et donc d’avoir complété les itérations jusqu’à convergence. On peut cependant éviter cela en procédant comme suit. Puisque : en+1 ≃ g ′ (r)en et :

en+2 ≃ g ′ (r)en+1

on a immédiatement en divisant que : en+2 en+1 ≃ en+1 en c’est-à-dire :

xn+2 − r xn+1 − r ≃ xn+1 − r xn − r

En isolant r, on trouve facilement que : r≃

xn+2 xn − x2n+1 xn+2 − 2xn+1 + xn

qui est une formule numériquement instable. On lui préférera l’expression équivalente : (xn+1 − xn )2 r ≃ xn − (2.13) xn+2 − 2xn+1 + xn Partant de là, on a donc également : en+1 xn+1 − r xn+1 − xn+2 En+1 = ≃ = en xn − r xn − xn+1 En où on a remplacé r à l’aide de l’expression 2.13. On a aussi introduit les écarts successifs entre deux itérations : En = xn − xn+1 On peut ainsi calculer les écarts En sans connaître la valeur de r. On peut donc en+1 En+1 remplacer la colonne en par la colonne En . De même, nous utiliserons

Équations non linéaires 65 en+1 un peu plus loin des rapports de la forme (e k que nous pourrons, au besoin, n) En+1 remplacer par (En )k . Reprenons l’exemple précédent en nous basant cette fois sur les écarts pour faire l’analyse. On obtient : Méthode des points fixes : g(x) = e−x En+1 n xn |En | En +0 1 1,000 0000 0,6321 × 10 0,5131 2 0,367 8794 0,3243 × 10+0 0,5912 3 0,692 2006 0,1917 × 10+0 0,5517 4 0,500 4735 0,1058 × 10+0 0,5753 5 0,606 2435 0,6085 × 10−1 0,5623 −1 6 0,545 3957 0,3422 × 10 0,5698 7 0,579 6123 0,1950 × 10−1 — .. .. .. .. . . . . 14 0,566 9089 0,3673 × 10−3 15 0,567 2762 0,2083 × 10−3 .. .. .. . . . 35 0,567 1433 0,2469 × 10−8

0,5672 0,5671 .. . 0,5671

On constate aisément que les conclusions restent les mêmes. En pratique, on pourra se servir des en ou des En pour effectuer ce type d’analyse, avec une légère préférence pour l’utilisation de en lorsque la racine r est connue. 

2.3.3

Extrapolation d’Aitken

À partir d’une méthode des points fixes convergeant à l’ordre 1, on peut obtenir une méthode convergeant à l’ordre 2. Il suffit de remarquer que si on pose n = 0 dans la relation 2.13, on trouve : r ≃= x0 −

(x1 − x0 )2 x2 − 2x1 + x0

(2.14)

La relation 2.14 est dite formule d’extrapolation d’Aitken et permet d’obtenir à partir de x0 , x1 et x2 une meilleure approximation du point fixe r. Cela peut résulter en un algorithme qui accélère grandement la convergence d’une méthode des points fixes. C’est l’algorithme de Steffenson. Algorithme 2.27 : Algorithme de Steffenson 1. Étant donné ϵa , un critère d’arrêt 2. Étant donné N , le nombre maximal d’itérations 3. Étant donné x0 , une valeur estimée initiale du point fixe 4. Effectuer : – x1 = g(x0 )

66

Chapitre 2 – x2 = g(x1 ) – xe = x0 −

(x1 − x0 )2 x2 − 2x1 + x0

|xe − x0 | < ϵa : |xe | – convergence atteinte – écrire la solution xe – arrêt 6. Si le nombre maximal d’itérations N est atteint : – convergence non atteinte en N itérations – arrêt 7. x0 = xe et retour à l’étape 4 N

5. Si

Exemple 2.28 Reprenons l’exemple précédent de la méthode des points fixes : xn+1 = g(xn ) = e−xn en partant de x0 = 0. L’algorithme de Steffenson consiste à faire deux itérations de points fixes, à extrapoler pour obtenir xe , à faire deux nouvelles itérations de points fixes à partir de xe , à extrapoler à nouveau et ainsi de suite. On obtient dans ce cas : x1 = e0 = 1,0 x2 = e−1 = 0,367 8794 La valeur extrapolée est alors : xe = 0 −

(1 − 0)2 = 0,612 6998 0,367 8794 − 2(1) + 0

À partir de cette nouvelle valeur, on fait deux itérations de points fixes : x1 = e−0,612 6998 = 0,541 8859 x2 = e−0,541 8859 = 0,581 6503 La valeur extrapolée est alors : xe = 0,612 6998 −

(0,541 8859 − 0,612 6998)2 = 0,567 3509 0,581 6503 − 2(0,541 8859) + 0,612 6998

En continuant ainsi, on obtient : Méthode de Steffenson : g(x) = e−x x0 x1 x2 xe 0,567 3509 0,567 0256 0,567 2101 0,567 1433 0,567 1433 0,567 1433 0,567 1433 0,567 1433

Équations non linéaires

67

On remarque que la convergence est plus rapide avec l’algorithme de Steffenson qu’avec la méthode des points fixes dont elle est issue. Quatre itérations suffisent pour obtenir la même précision. On peut montrer en fait que la convergence est quadratique. On note toutefois que chaque itération de l’algorithme de Steffenson demande plus de calculs qu’une méthode des points fixes. Il y a un prix à payer pour obtenir une convergence quadratique. 

2.4

Méthode de Newton

La méthode de Newton 3 est l’une des méthodes les plus utilisées pour la résolution des équations non linéaires. Cette méthode possède également une belle interprétation géométrique. Nous commençons cependant par donner une première façon d’en obtenir l’algorithme, basée sur l’utilisation du développement de Taylor. Cette approche est également valable pour les systèmes d’équations non linéaires que nous verrons au chapitre 3. Soit une équation à résoudre de la forme : f (x) = 0 À partir d’une valeur initiale x0 de la solution, on cherche une correction δx telle que : 0 = f (x0 + δx) En faisant un développement de Taylor autour de x = x0 , on trouve : 0 = f (x0 ) + f ′ (x0 )δx +

f ′′ (x0 )(δx)2 f ′′′ (x0 )(δx)3 + + ··· 2! 3!

Il suffit maintenant de négliger les termes d’ordre supérieur ou égal à 2 en δx pour obtenir : 0 ≃ f (x0 ) + f ′ (x0 )δx On peut alors isoler la correction recherchée : δx = −

f (x0 ) f ′ (x0 )

La correction δx est en principe la quantité que l’on doit ajouter à x0 pour annuler la fonction f (x). Puisque nous avons négligé les termes d’ordre supérieur ou égal à 2 dans le développement de Taylor, cette correction n’est pas parfaite et l’on pose : x1 = x0 + δx On recommence le processus en cherchant à corriger x1 d’une nouvelle quantité δx. On obtient alors l’algorithme suivant.

3. Sir Isaac Newton (1642-1727) fut l’un des plus brillants esprits de son époque. Ses contributions en mathématiques, en optique et en mécanique céleste en ont fait l’un des plus célèbres mathématiciens de tous les temps.

68

Chapitre 2

Algorithme 2.29 : Algorithme de la méthode de Newton 1. Étant donné ϵa , un critère d’arrêt 2. Étant donné N , le nombre maximal d’itérations 3. Étant donné x0 , une valeur initiale de la solution f (xn ) 4. Effectuer : xn+1 = xn − ′ f (xn ) |xn+1 − xn | 5. Si < ϵa : |xn+1 | – convergence atteinte – écrire la solution xn+1 – arrêt 6. Si le nombre maximal d’itérations N est atteint : – convergence non atteinte en N itérations – arrêt 7. retour à l’étape 4 N

Exemple 2.30 On cherche à résoudre l’équation f (x) = e−x − x = 0. Pour utiliser la méthode de Newton, calculons la dérivée de cette fonction, qui est f ′ (x) = −e−x − 1. L’algorithme se résume à : xn+1 = xn −

f (xn ) e−xn − xn = x − n f ′ (xn ) −e−xn − 1

Les résultats sont compilés dans le tableau suivant à partir de x0 = 0. Méthode de Newton : f (x) = e−x − x en+1 n xn |en | en 0 0,000 0000 0,5671 × 10+0 0,1183 × 10+0 1 0,500 0000 0,6714 × 10−1 0,1239 × 10−1 2 0,566 3110 0,8323 × 10−3 0,1501 × 10−3 3 0,567 1432 0,1250 × 10−6 ≃0 4 0,567 1433 0,4097 × 10−9 — On remarque la convergence très rapide de cette méthode. Il suffit en effet pour s’en convaincre de comparer ces valeurs avec les résultats obtenus avec la méthode des points fixes pour le même problème. On note également que le nombre de chiffres significatifs double à chaque itération. Ce phénomène est caractéristique de la méthode de Newton et nous en verrons la raison au moment de l’analyse de convergence. La dernière colonne, qui converge vers 0, donne une indication à ce sujet. Cette colonne est censée converger vers |g ′ (r)|, qui est donc nul dans ce cas, ce qui semble indiquer que la convergence est quadratique. 

Équations non linéaires

2.4.1

69

Interprétation géométrique

La figure 2.4 permet de donner une interprétation géométrique assez simple de la méthode de Newton. Sur cette figure, on a représenté la fonction f (x), la

(x0 , f (x0 ))

(x1 , f (x1 )) (x2 , f (x2 )) 0 x0

x1

x2

r

Figure 2.4 – Interprétation géométrique de la méthode de Newton valeur initiale x0 et le point (x0 , f (x0 )) qui est sur la courbe. La droite tangente à la courbe en ce point est de pente f ′ (x0 ) et a pour équation : y = f (x0 ) + f ′ (x0 )(x − x0 ) qui correspond au développement de Taylor de degré 1 autour de x0 . Cette droite coupe l’axe des x en y = 0, c’est-à-dire en : x1 = x0 −

f (x0 ) f ′ (x0 )

qui devient la nouvelle valeur estimée de la solution. On reprend ensuite le même raisonnement à partir du point (x1 , f (x1 )) et ainsi de suite.

2.4.2

Analyse de convergence

La méthode de Newton est un cas particulier de la méthode des points fixes où : f (x) g(x) = x − ′ f (x) Il n’est donc pas nécessaire de reprendre l’analyse de convergence à zéro. En effet, on sait que la convergence dépend de g ′ (r) et l’on a dans ce cas précis : g ′ (x) = 1 −

f (x)f ′′ (x) (f ′ (x))2 − f (x)f ′′ (x) = (f ′ (x))2 (f ′ (x))2

(2.15)

Puisque f (r) = 0, r étant une racine, on a immédiatement g ′ (r) = 0 et donc une convergence au moins quadratique en vertu de la relation 2.9.

70

Chapitre 2

Remarque 2.31 Il faut noter que, dans le cas où f ′ (r) est également nul, le résultat précédent n’est plus vrai dans la mesure où g ′ (r) pourra être différent de 0. Nous étudierons cette question en détail un peu plus loin.  Pour s’assurer que la convergence de la méthode de Newton est bel et bien quadratique en général, il suffit de calculer g ′′ (r). On a, en vertu de l’équation 2.15 : g ′′ (x) =

[f ′ (x)f ′′ (x) + f (x)f ′′′ (x)](f ′ (x))2 − 2f (x)f ′ (x)(f ′′ (x))2 (f ′ (x))4

(2.16)

On en conclut que puisque f (r) = 0 : g ′′ (r) =

f ′′ (r) f ′ (r)

et que g ′′ (r) n’a a priori aucune raison d’être nul. Il reste que l’on a supposé que f ′ (r) ̸= 0, ce qui n’est pas toujours vrai. Enfin, de la relation 2.9, on déduit : en+1 ≃

g ′′ (r) 2 f ′′ (r) en = ′ e2n 2 2f (r)

(2.17)

qui démontre bien la convergence quadratique (si f ′ (r) ̸= 0). Exemple 2.32 √ Reprenons l’exemple où l’on doit calculer 2 en résolvant : f (x) = x2 − 2 = 0 √ √ Dans ce cas, f ′ (x) = 2x et f ′ ( 2) = 2 2 ̸= 0. On doit donc s’attendre à une convergence quadratique, ce que l’on peut constater dans le tableau suivant. Méthode de Newton : f (x) = x2 − 2 en+1 en+1 n xn |en | en e2 n 0 2,000 0000 0,5858 × 10+0 0,1464 × 10+0 0,2499 1 1,500 0000 0,8578 × 10−1 0,2860 × 10−1 0,3333 2 1,416 6666 0,2453 × 10−2 0,8658 × 10−3 0,3529 3 1,414 2157 0,2124 × 10−5 0,7508 × 10−6 0,3535 4 1,414 2136 0,1594 × 10−11 — — Le tableau précédent est encore fois très instructif. On remarque que en une en+1 tend vers 0 et que le rapport en tend aussi vers 0 (c’est-à-dire vers g ′ (r), qui est 0 dans ce cas). De plus, le rapport en+1 tend vers à peu près 0,3535. 2 en Encore une fois, ce nombre n’est pas arbitraire et correspond à : √ f ′′ (r) f ′′ ( 2) 1 √ = √ ≃ 0,353 553 = ′ ′ 2f (r) 2f ( 2) 2 2 en vertu de la relation 2.17. 

Équations non linéaires

71

Remarque 2.33 Tout comme c’était le cas avec la méthode des points fixes, la convergence de la méthode de Newton dépend de la valeur initiale x0 . Malgré ses belles propriétés de convergence, une mauvaise valeur initiale peut provoquer la divergence de cette méthode. 

Exemple 2.34 Au chapitre précédent, nous avons vu comment un ordinateur utilise une approximation rationnelle pour évaluer la fonction exponentielle. Nous allons maintenant voir comment l’ordinateur évalue les racines carrées. C’est la méthode de Newton qui est à la base de l’algorithme. Par souci d’efficacité, il est toutefois nécessaire d’introduire quelques étapes intermédiaires. On pourrait en effet se servir de la méthode de Newton pour résoudre : x2 − q = 0 √ ce qui permettrait d’évaluer q pour q > 0. La √difficulté est de fournir une valeur initiale x0 qui soit suffisamment près de q pour que la méthode de Newton converge très rapidement. Cela est très difficile si l’on considère tout l’intervalle [0 , ∞[. On va donc réduire la longueur de l’intervalle de travail. Nous avons vu au chapitre 1, lors de la représentation des nombres réels en binaire, que tout nombre q peut s’écrire sous la forme : q = m × 2N La normalisation de la mantisse m nous assure que distinguer 2 cas : 1. si N est pair, on a :



q=



1 2

≤ m < 1. On a alors à

N

m×22

2. si N est impair, on a : √

√ (N +1) m q = √ ×2 2 2

Il reste seulement à définir un algorithme efficace pour évaluer la racine carrée d’un nombre réel m dans l’intervalle [ 21 , 1]. On note cependant que le √ nombre 2 doit être calculé une fois pour toutes et mis en mémoire. C’est ici que l’on peut utiliser la méthode de Newton pour résoudre : f (x) = x2 − m = 0 L’algorithme de base devient : xn+1 = xn −

f (xn ) (x2 − m) 1 = xn − n = ′ f (xn ) 2xn 2

( xn +

m xn

)

72

Chapitre 2 2

×10−4

1,5 1 0,5 0 -0,5 -1 -1,5 -2 -2,5 0,5 0,55 0,6 0,65 0,7

0,75 0,8

0,85 0,9 0,95 1

x

Figure 2.5 – Fonction



) ( 1,029 660 39 x − 1,272 353 67 + 0,242 693 281x − 1+x

Cependant, le problème de la valeur x0 de départ se pose encore. Suivant Cheney et Kincaid [8], la courbe : y = 1,272 353 67 + 0,242 693 281x −

1,029 660 39 1+x

√ est une bonne approximation de la fonction x mais uniquement dans l’intervalle [ 12 , 1]. C’est ce que l’on peut constater à la figure 2.5 où on a tracé la différence entre ces 2 fonctions. Cela nous permet d’utiliser cette expression pour déterminer l’approximation initiale x0 de la racine et de nous assurer ainsi qu’elle est très près de la racine recherchée puisque l’erreur maximale commise est de 2,0 × 10−4 . √ Ainsi, si l’on veut calculer par exemple 8,8528, on écrit d’abord que 8,8528 = 0,5533 × 24 . On doit dans un premier temps calculer la racine carrée de 0,5533. Pour ce faire, on pose : x0 = 1,272 353 67 + (0,242 693 281)(0,5533) − = 0,743 750 141 653 6794

1,029 660 39 1+0,5533

Les itérations de la méthode de Newton donnent ensuite, à partir de ce x0 particulier : x1 = 0,743 841 386 537 2300 x2 = 0,743 841 380 940 8563 et l’on constate que 2 itérations ont suffi. On a alors que : √ 8,8528 = 0,743 841 380 940 8563 × 22 = 2,975 365 523 763 425 qui est le résultat exact en double précision. 

Équations non linéaires

73

L’exemple précédent nous amène à l’algorithme : Algorithme 2.35 : Calcul d’une racine carrée 1. Exprimer q sous la forme q = m × 2N 1,029 660 39 2. x0 = 1,272 353 67 + 0,242 693 281m − 1+m 3. Pour n ≥ 1, et jusqu’à convergence : ( ) 1 m xn + xn+1 = 2 xn

√ 4. On note r la racine obtenue (r = m) 5. On évalue la racine carrée :  N r × 2 2 si N est pair   √ q= (N +1)   √r × 2 2 si N est impair 2 N

2.4.3

Cas des racines multiples

Il arrive parfois que la méthode de Newton ne converge pas aussi vite que l’on s’y attendait. Cela est souvent le signe d’une racine multiple, dont nous rappelons la définition. Définition 2.36 Une racine r de la fonction f (x) est dite de multiplicité m si la fonction f (x) peut s’écrire sous la forme : f (x) = (x − r)m h(x)

(2.18)

et ce, pour une fonction h(x) vérifiant limx→r h(x) = h(r) ̸= 0. Si l’on a une racine de multiplicité m en x = r, on peut mettre en facteur un terme de la forme (x − r)m de telle sorte que le reste h(x) ne s’annule pas en x = r. Il est facile de démontrer, en utilisant un développement de Taylor autour de r, que le résultat suivant est vrai. Théorème 2.37 Une racine r est de multiplicité m (où m est un entier) si et seulement si : f (r) = f ′ (r) = f ′′ (r) = · · · = f (m−1) (r) = 0, f (m) (r) ̸= 0

(2.19)

c’est-à-dire si la fonction de même que ses (m−1) premières dérivées s’annulent en r (la dérivée d’ordre m ne doit pas s’annuler en r). ⋆

74

Chapitre 2

Exemple 2.38 La fonction f (x) = x sin x possède effet : f (x) = f ′ (x) = f ′′ (x) =

une racine de multiplicité 2 en x = 0. En x sin x sin x + x cos x 2 cos x − x sin x

et l’on conclut aisément que f (0) = 0 , f ′ (0) = 0 et f ′′ (0) ̸= 0.  Qu’arrive-t-il si l’on applique la méthode de Newton à ce cas ? Rappelons que : f (x)f ′′ (x) g ′ (x) = (f ′ (x))2 et que, si l’on est en présence d’une racine de multiplicité m, on a : f (x) = (x − r)m h(x) f ′ (x) = m(x − r)m−1 h(x) + (x − r)m h′ (x) f ′′ (x) = m(m − 1)(x − r)m−2 h(x) + 2m(x − r)m−1 h′ (x) + (x − r)m h′′ (x) En remplaçant et en simplifiant le facteur (x − r)2m−2 , on trouve : g ′ (x) =

h(x)[m(m − 1)h(x) + 2m(x − r)h′ (x) + (x − r)2 h′′ (x)] [mh(x) + (x − r)h′ (x)]2

Cela entraîne que : g ′ (r) =

h(r)[m(m − 1)h(r) + 0] m2 (h(r))2

Puisque h(r) ̸= 0, on peut simplifier cette relation et obtenir : g ′ (r) = 1 −

1 m

On constate maintenant que g ′ (r) = 0 seulement si m = 1, c’est-à-dire si l’on a une racine simple (de multiplicité 1). La convergence ne sera donc quadratique que pour les racines simples. Si m ̸= 1, la méthode de Newton 1 . On remarque converge linéairement avec un taux de convergence de 1 − m aussi que, plus m est grand, plus la convergence est lente, car g ′ (r) est de plus en plus près de 1. Exemple 2.39 On considère la résolution de : f (x) = x3 − 5x2 + 7x − 3 = 0

Équations non linéaires

75

En partant de x0 = 0, on obtient le tableau suivant. Méthode de Newton : f (x) = x3 − 5x2 + 7x − 3 en+1 en+1 n xn |en | en e2 n 0 0,000 0000 1,0000 0,5714 0,5714 1 0,428 5714 0,5714 0,5499 0,9625 2 0,685 7143 0,3142 0,5318 1,6926 3 0,832 8654 0,1671 0,5185 3,1017 4 0,913 3299 0,0866 0,5102 5,8864 5 0,955 7833 0,0442 0,5045 11,429 6 0,977 6551 0,0223 — — On voit tout de suite que la convergence vers la racine r = 1 est lente. On vérifie aisément que f (1) = f ′ (1) = 0 et donc que 1 est une racine de multiplicité 2 (m = 2). Cela est confirmé par la quatrième colonne du tableau, qui doit 1 normalement converger vers 1 − m , c’est-à-dire vers 0,5 dans ce cas précis. On note enfin que les valeurs de la dernière colonne semblent augmenter sans cesse et tendre vers l’infini. Cela indique une fois de plus que la convergence est linéaire et non quadratique.  Il existe des moyens de récupérer la convergence quadratique dans le cas de racines multiples. Il suffit en effet de transformer le problème en un problème équivalent ayant les mêmes racines, mais de multiplicité 1. Dans cette optique, considérons la fonction : f (x) u(x) = ′ f (x) On a immédiatement : u(x) =

(x − r)h(x) (x − r)m h(x) = m(x − r)m−1 h(x) + (x − r)m h′ (x) mh(x) + (x − r)h′ (x)

et : u′ (x) =

[h(x) + (x − r)h′ (x)][mh(x) + (x − r)h′ (x)] [mh(x) + (x − r)h′ (x)]2 −

[(x − r)h(x)][mh′ (x) + h′ (x) + (x − r)h′′ (x)] [mh(x) + (x − r)h′ (x)]2

1 Puisque h(r) ̸= 0, on a u(r) = 0 mais aussi u′ (r) = m ̸= 0. r est donc une racine simple de u(x), mais une racine multiple de f (x). On peut dès lors appliquer l’algorithme de Newton à la fonction u(x) pour trouver cette racine. L’algorithme devient :

xn+1 = xn −

u(xn ) = xn − u′ (xn )

f (xn ) f ′ (xn ) (f ′ (xn ))2 −f (xn )f ′′ (xn ) (f ′ (xn ))2

ou plus succinctement : xn+1 = xn −

f (xn )f ′ (xn ) − f (xn )f ′′ (xn )

(f ′ (xn ))2

(2.20)

76

Chapitre 2

On note que cet algorithme requiert la connaissance de f (x), de f ′ (x) et de ce qui peut rendre laborieux le processus de résolution. Si l’on reprend le problème de l’exemple précédent en utilisant cette fois l’algorithme 2.20, on retrouve la convergence quadratique, comme en témoignent les résultats suivants. f ′′ (x),

Méthode de Newton : u(x) = ff′(x) (x) en+1 n xn |en | en +1 0 0,000 000 0,1000 × 10 0,1052 × 10+0 1 1,105 263 0,1053 × 10+0 0,2927 × 10−1 2 1,003 082 0,3081 × 10−2 0,7729 × 10−3 3 1,000 002 0,2382 × 10−5 —

en+1 e2 n 0,1053 0,2781 0,2508 —

Remarque 2.40 Il existe un autre algorithme qui permet de récupérer la convergence quadratique de la méthode de Newton, mais il exige de connaître à l’avance la multiplicité m de la racine recherchée. Cela est évidemment très rare en pratique. On retrouvera cet algorithme dans les exercices de fin de chapitre. 

r

x0 x2

x1

x3

Figure 2.6 – Cas pathologique pour la méthode de Newton

Exemple 2.41 Les racines multiples ne sont pas la seule source de difficultés que l’on peut rencontrer avec la méthode de Newton. Quelques cas pathologiques, comme celui qu’illustre la figure 2.6, aboutissent à la divergence de l’algorithme. Le choix de la valeur initiale x0 est primordial, car la convergence de l’algorithme en dépend fortement. Dans l’exemple de la figure 2.6, une valeur de x0 plus près de la racine r permettrait de retrouver la convergence. 

Équations non linéaires

2.5

77

Méthode de la sécante

La méthode de Newton possède de grands avantages, mais elle nécessite le calcul de la dérivée de f (x). Si la fonction f (x) est complexe, cette dérivée peut être difficile à évaluer et peut résulter en une expression complexe. On contourne cette difficulté en remplaçant le calcul de la pente f ′ (xn ) de la droite tangente à la courbe par l’expression suivante : f ′ (xn ) ≃

f (xn ) − f (xn−1 ) xn − xn−1

Cela revient à utiliser la droite sécante passant par les points (xn , f (xn )) et (xn−1 , f (xn−1 )) plutôt que la droite tangente passant par (xn , f (xn )). Ce choix est représenté à la figure 2.7. Il en résulte l’algorithme suivant. Algorithme 2.42 : Algorithme de la méthode de la sécante 1. Étant donné ϵa , un critère d’arrêt 2. Étant donné N , le nombre maximal d’itérations 3. Étant donné x0 et x1 , deux valeurs initiales de la solution 4. Effectuer : f (xn )(xn − xn−1 ) xn+1 = xn − (f (xn ) − f (xn−1 ))

(2.21)

|xn+1 − xn | < ϵa : |xn+1 | – convergence atteinte – écrire la solution xn+1 – arrêt 6. Si le nombre maximal d’itérations N est atteint : – convergence non atteinte en N itérations – arrêt 7. retour à l’étape 4 N 5. Si

Remarque 2.43 Plusieurs remarques s’imposent au sujet de cet algorithme. 1. La dérivée de f (x) n’apparaît plus dans l’algorithme. 2. Il faut fournir au départ 2 valeurs initiales. C’est ce qu’on appelle un algorithme à deux pas. 3. On choisit les valeurs initiales le plus près possible de la racine recherchée. Il n’est cependant pas nécessaire qu’il y ait un changement de signe dans l’intervalle [x0 , x1 ], comme c’est le cas avec la méthode de la bissection. 

78

Chapitre 2

(x0 , f (x0 ))

(x1 , f (x1 )) (x2 , f (x2 ) (x3 , f (x3 )) 0

x0

x1

x2

x3

r

Figure 2.7 – Interprétation géométrique de la méthode de la sécante

Convergence de la méthode de la sécante On ne peut pas se servir ici de l’analyse d’erreur élaborée pour les méthodes des points fixes parce que la méthode de la sécante n’est pas une méthode des points fixes au sens de l’équation 2.5. Il s’agit d’une méthode à deux pas puisqu’on a besoin de xn−1 et xn pour calculer xn+1 . L’analyse d’erreur est cependant similaire si l’on suit l’approche proposée par Gander et Gruntz [19]. En effet, en soustrayant r de chaque côté de la relation 2.21, on trouve :

(xn+1 − r) = (xn − r) − = (xn − r) − = en −

f (xn )(xn − xn−1 ) f (xn ) − f (xn−1 ) f (r + (xn − r))((xn − r) − (xn−1 − r)) f (r + (xn − r)) − f (r + (xn−1 − r))

f (r + en )(en − en−1 ) f (r + en ) − f (r + en−1 )

On effectue ensuite les développements de Taylor appropriés : en+1 = en − [

( ′′ ) ] f (r) + f ′ (r)en + f 2(r) e2n + · · · (en − en−1 ) [ ( ′′ ) ] [ ( ′′ ) ] f (r) + f ′ (r)en + f 2(r) e2n · · · − f (r) + f ′ (r)en−1 + f 2(r) e2n−1 · · ·

Équations non linéaires

79

Puisque r est une racine, f (r) = 0 et nous supposerons par la suite que r est une racine simple (f ′ (r) ̸= 0), mais aussi que f ′′ (r) ̸= 0. On a ainsi : [ ( ′′ ) ] f ′ (r)en + f 2(r) e2n + · · · (en − en−1 ) ] ( ′′ ) en+1 = en − [ f ′ (r)(en − en−1 ) + f 2(r) (e2n − e2n−1 ) + · · · [

( ′′ ) ] f ′ (r)en + f 2(r) e2n + · · · ] ( ′′ ) = en − [ f ′ (r) + f 2(r) (en + en−1 ) + · · · [(

=

] en en−1 + · · · [ ( ′′ ) ] f ′ (r) + f 2(r) (en + en−1 ) + · · · f ′′ (r) 2

)

On garde ensuite seulement les termes dominants au numérateur et au dénominateur pour obtenir : en+1 ≃

[f ′′ (r)en en−1 ] 2f ′ (r)

(2.22)

Notons l’analogie avec la relation 2.17 caractérisant la méthode de Newton. On cherche maintenant à déterminer l’exposant p de sorte que : en ≃ Cepn−1 On aura alors : 2

en+1 ≃ Cepn ≃ C(Cepn−1 )p = C p+1 epn−1 de sorte qu’en remplaçant les expressions de en+1 et en en fonction de en−1 dans la relation 2.22, on a : ] [ [ ′′ ] ′′ (r)(Cep+1 ) p f n−1 f (r)(Cen−1 en−1 ) 2 = C p+1 epn−1 ≃ ′ ′ 2f (r) 2f (r) ou encore, en isolant à gauche tous les termes en p : −p−1 epn−1 ≃ C −p 2

f ′′ (r) 2f ′ (r)

Cette relation doit être vérifiée quelle que soit la valeur de en−1 , c’est-à-dire quelle que soit l’erreur de départ. Le terme de droite étant indépendant de en−1 , cette relation n’est possible que si le terme de gauche est également indépendant de en−1 , ce qui ne peut se produire que si : p2 − p − 1 = 0 de sorte que :

√ √ 1− 5 1+ 5 p= ou 2 2

80

Chapitre 2

La dernière valeur étant négative, on retient que√ l’ordre de convergence de la méthode de la sécante est le nombre d’or α = 1+2 5 . La convergence n’est donc pas quadratique, mais elle est plus que linéaire. On parle alors de convergence superlinéaire. Illustrons tout ceci à l’aide d’un exemple. Exemple 2.44 On cherche à résoudre :

e−x − x = 0

que nous avons déjà abordé par d’autres méthodes. En prenant x0 = 0 et x1 = 1, on trouve à la première itération : x2 = x1 − = 1−

(e−x1 − x1 )(x1 − x0 ) (e−x1 − x1 ) − (e−x0 − x0 )

(e−1 − 1)(1 − 0) = 0,612 6998 (e−1 − 1) − (e0 − 0)

Les résultats sont compilés dans le tableau suivant. Méthode de la sécante : f (x) = e−x − x en+1 en+1 en+1 n xn |en | en eαn e2 n +0 +0 0 0,000 0000 0,5671 × 10 0,7632 × 10 1,0835 1,342 1 1,000 0000 0,4328 × 10+0 0,1052 × 10+0 0,1766 0,243 2 0,612 6998 0,4555 × 10−1 0,7254 × 10−1 0,4894 1,592 3 0,563 8384 0,3305 × 10−2 0,8190 × 10−2 0,2796 2,478 4 0,567 1704 0,2707 × 10−4 0,6134 × 10−3 0,4078 22,66 5 0,567 1433 0,1660 × 10−7 ≃0 — — 6 0,567 1433 ≃0 — — — La chose la plus importante à remarquer est que le rapport en+1 en tend vers 0, mais que le rapport en+1 tend vers l’infini, ce qui confirme que l’ordre de 2 en convergence se trouve √ quelque part entre 1 et 2. On remarque que le quotient en+1 (1+ 5) est le nombre d’or, semble se stabiliser autour de 0,4 eαn , où α = 2 bien que la précision soit insuffisante pour être plus affirmatif. Il semble bien que cette suite ne tende √ni vers 0 ni vers l’infini, ce qui confirme que l’ordre de convergence est bien 1+2 5 ≃ 1,618. 

2.6

Applications

Nous présentons dans cette section quelques exemples d’applications des méthodes numériques vues dans ce chapitre à des problèmes d’ingénierie. Chaque problème est brièvement décrit de manière à donner une idée assez précise du contexte, sans toutefois s’attarder sur les détails.

Équations non linéaires

2.6.1

81

Modes de vibration d’une poutre

Une poutre de longueur L encastrée aux deux extrémités (fig. 2.8) subit une déformation au temps t = 0 et se met par la suite à vibrer. La déformation u(x, t) de la poutre à la position x et au temps t est solution de : 4 ∂2u 2∂ u + c =0 (2.23) ∂t2 ∂x4 qui est une équation aux dérivées partielles d’ordre 4. La constante c dépend de l’élasticité de la poutre. Les conditions aux limites traduisent l’état de la poutre à chaque extrémité. Nous avons choisi le cas où celle-ci est encastrée, ce qui impose les conditions :

u(0, t) = u(L, t) = 0 ux (0, t) = ux (L, t) = 0

(fixée aux 2 extrémités) (encastrée aux 2 extrémités)

(2.24)

Des conditions relatives à la déformation u(x, 0) et à la vitesse ut (x, 0) initiales complètent ce système. Une méthode classique de résolution de l’équation 2.23 consiste à séparer les variables (voir Kreyszig, réf. [24]) et à rechercher des solutions de la forme : u(x, t) = F (x)G(t)

(2.25)

Les conditions aux limites 2.24 imposent des conditions à la fonction F (x), qui sont : F (0) = F (L) = 0 (2.26) F ′ (0) = F ′ (L) = 0 En remplaçant l’équation 2.25 dans l’équation 2.23, on obtient : F (4) (x) G′′ (t) =− 2 F (x) c G(t) où F (4) (x) désigne la dérivée quatrième de F (x) et où on remarque l’égalité d’une fonction de x et d’une fonction de t, pour tout x et t. Cela n’est possible que si les deux fonctions sont égales à une constante. On peut vérifier que cette constante ne peut être négative ou nulle et nous la notons β 4 . On en vient à considérer les deux équations différentielles ordinaires : F (4) (x) − β 4 F (x) = 0 G′′ (t) + c2 β 4 G(t) = 0 dont les solutions respectives sont de la forme 4 : F (x) = A cos(βx) + B sin(βx) + C cosh(βx) + D sinh(βx) G(t) = a cos(cβ 2 t) + b sin(cβ 2 t) 4. cosh x et sinh x sont les fonctions hyperboliques définies par : ex − e−x ex + e−x et sinh x = 2 2 d’où l’on tire les propriétés classiques (à vérifier en exercices) : cosh x =

(cosh x)′ = sinh x,

(sinh x)′ = cosh x et cosh2 x − sinh2 x = 1

(2.27)

82

Chapitre 2

Figure 2.8 – Problème de la poutre encastrée On conclut de plus que : F ′ (x) = β(−A sin(βx) + B cos(βx) + C sinh(βx) + D cosh(βx)) La constante β est pour le moment arbitraire. Les conditions 2.26 imposent les contraintes : F (0) = A + C = 0 F ′ (0) = β(B + D) = 0

c.-à-d. C = −A c.-à-d. D = −B

La fonction F (x) et sa dérivée F ′ (x) peuvent alors s’écrire : F (x)

= A(cos(βx) − cosh(βx)) + B(sin(βx) − sinh(βx))

F ′ (x) = β(A(− sin(βx) − sinh(βx)) + B(cos(βx) − cosh(βx))) Les deux dernières conditions aux limites imposent : F (L) = A(cos(βL) − cosh(βL)) + B(sin(βL) − sinh(βL)) = 0 F ′ (L) = β(A(− sin(βL) − sinh(βL)) + B(cos(βL) − cosh(βL))) = 0 ce qui peut encore s’exprimer sous la forme du système linéaire : [ ][ ] [ ] (cos(βL) − cosh(βL)) (sin(βL) − sinh(βL)) A 0 = −β(sin(βL) + sinh(βL)) β(cos(βL) − cosh(βL)) B 0 Si la matrice précédente est inversible, la seule solution possible est A = B = 0, ce qui signifie que F (x) = 0, qui est une solution triviale. Pour obtenir des solutions non triviales, le déterminant doit être nul, ce qui signifie que : β(cos(βL) − cosh(βL))2 + β(sin(βL) − sinh(βL))(sin(βL) + sinh(βL)) = 0 c’est-à-dire :

1 − cos(βL) cosh(βL) = 0

(2.28)

Équations non linéaires

83

Les seules valeurs intéressantes de β sont celles qui vérifient cette équation non linéaire. On est amené à rechercher les racines de la fonction : f (x) = 1 − cos x cosh x Cette fonction varie fortement, car cosh x prend des valeurs très grandes tandis que cos x oscille du positif au négatif. Pour simplifier le traitement numérique, une bonne stratégie consiste à considérer la fonction : f1 (x) =

1 − cos x cosh x 1 = − cos x cosh x cosh x

qui possède les mêmes racines que f (x) et qui est illustrée à la figure 2.9. Heureusement, il est suffisant de trouver les premières racines seulement, qui 1 tend correspondent aux modes de vibration les plus importants. Puisque cosh(x) vers 0 lorsque x est grand, on peut prendre les racines de la fonction cos(x) 5π ( 3π 2 , 2 , · · · ) comme valeurs de départ de l’algorithme choisi. On constate aisément à l’aide de la figure qu’il y a un changement de signe dans les intervalles [3 , 5], [6 , 8] et [10 , 12]. La méthode de la bissection appliquée à chacun de ces trois intervalles converge vers x1 = 4,730, x2 = 7,853 et x3 = 10,996, correspondant aux trois premiers modes de vibration. On obtient les valeurs respectives de β en divisant les xi par la longueur L de la poutre. D’autres méthodes de résolution d’équations non linéaires que nous avons vues dans ce chapitre auraient pu donner des résultats similaires.

2.6.2

Premier modèle de viscosité

Les polymères (plastiques) sont largement utilisés pour la production d’objets de toutes sortes, allant des simples jouets jusqu’à bon nombre de pièces d’automobile. La mise en forme de ces polymères requiert une étape de plastification où le polymère est fondu dans le but de lui donner sa forme finale, très souvent par moulage. Un des paramètres fondamentaux de cette étape est la viscosité. Les rhéologues ont pour tâche de déterminer comment varie cette viscosité η en fonction du taux de cisaillement γ. ˙ Des appareils nommés rhéomètres permettent de mesurer la viscosité pour différentes valeurs du taux de cisaillement. On obtient alors des résultats de la forme suivante. Mesures de viscosité Taux de cisaillement Viscosité Taux de cisaillement Viscosité γ˙ i (s−1 ) ηi (P a · s) γ˙ i (s−1 ) ηi (P a · s) 0,0137 3220,0 0,866 223,0 0,0274 2190,0 1,37 163,0 0,0434 1640,0 2,74 104,0 0,0866 1050,0 4,34 76,7 0,137 766,0 5,46 68,1 0,274 490,0 6,88 58,2 0,434 348,0 Ces valeurs caractérisent une solution de 2 % de polyisobutylène dans du

84

Chapitre 2 1,5

1,0

0,5

0,0

-0,5

-1,0 0

2

4

8

6

Figure 2.9 – Fonction f1 (x) =

10

12

14

(1−cos x cosh x) cosh x

primol 355 (voir Carreau, De Kee et Chhabra, réf. [6]). On cherche ensuite à modéliser cette variation selon une loi aussi simple que possible. Un modèle très populaire est la loi puissance de la forme : η = η0 γ˙ β−1

(2.29)

où η0 est la consistance et β est l’indice de pseudoplasticité. Ces deux derniers paramètres sont inconnus et doivent être déterminés à partir des données du tableau. On doit choisir ces paramètres de façon à rendre compte le mieux possible des données. Un moyen courant d’y parvenir consiste à minimiser la fonction : npt 1∑ F (η0 , β) = (η0 γ˙ iβ−1 − ηi )2 2 i=1

où npt est le nombre de mesures. C’est ce qu’on appelle une méthode de moindres carrés qui permet de minimiser la distance entre les points de mesure et la courbe représentée par la relation 2.29. L’écart minimal est atteint lorsque : ∂F (η0 , β) ∂F (η0 , β) = =0 ∂η0 ∂β On obtient ainsi les conditions d’optimalité 5 : ∂F (η0 , β) ∑ = (η0 γ˙ iβ−1 − ηi )γ˙ iβ−1 = 0 ∂η0 npt

i=1

∂F (η0 , β) ∑ = (η0 γ˙ iβ−1 − ηi )η0 γ˙ iβ−1 ln γ˙ i = 0 ∂β npt

i=1

Équations non linéaires 10 000

85

Expérience Modèle

Viscosité (Pa · s) 1000

100

10 0,01

0,1

1

10

Taux de cisaillement (1/s) Figure 2.10 – Loi puissance : η = η0 γ˙ β−1 (β = 0,3797, η0 = 228,34) De la première équation, on tire une expression pour η0 en fonction de β de la forme : npt ∑ ηi γ˙ iβ−1 η0 =

i=1 npt ∑

(2.30) γ˙ i2β−2

i=1

Il reste donc à trouver β, solution de : ∂F (η0 , β) ∑ f (β) = = (η0 γ˙ iβ−1 − ηi )η0 γ˙ iβ−1 ln γ˙ i = 0 ∂β npt

i=1

où η0 est donné par l’équation 2.30. Il n’est pas facile d’établir la dérivée de la fonction f (β). Dans le cas présent, la méthode de la sécante est presque aussi efficace que la méthode de Newton. L’indice de pseudoplasticité β est un nombre positif compris entre 0 et 1. À partir des valeurs initiales β0 = 0,5 et β1 = 0,4, la méthode de la sécante a convergé en 4 itérations vers β = 0,3797, ce qui donne une valeur η0 = 228,34 en vertu de l’équation 2.30. La figure 2.10 trace les points de mesure de même que la courbe de l’équation 2.29 pour ces valeurs. On remarque immédiatement que la correspondance n’est pas parfaite. Nous verrons au prochain chapitre un autre modèle qui colle davantage aux données rhéologiques, mais qui nécessite la résolution d’un système d’équations non linéaires. Mentionnons enfin que l’on aurait pu simplifier cet exemple en prenant le logarithme de la loi de puissance 2.29 : ln η = ln η0 + (β − 1) ln γ˙ L’équation résultante est alors linéaire et beaucoup plus simple à résoudre. 5. La dérivée par rapport à x de af (x) est af (x) f ′ (x) ln a.

86

Chapitre 2

2.7

Exercices

1. Faire trois itérations de la méthode de la bissection pour les fonctions suivantes et à partir des intervalles indiqués. Déterminer le nombre d’itérations nécessaires pour obtenir une solution dont le chiffre des millièmes est significatif. a) f (x) = −0,9x2 + 1,7x + 2,5 dans l’intervalle [2,8 , 3,0] 1 − 0,61x dans l’intervalle [1,5 , 2,0] b) f (x) = x c) f (x) = x2 | sin x| − 4,1 dans l’intervalle [0 , 4] d) f (x) = x6 − x − 1 dans l’intervalle [1 , 2] 2. Une variante de la méthode de la bissection, appelée méthode de la fausse position, consiste à remplacer le point milieu xm de l’intervalle [x1 , x2 ] par le point d’intersection x∗m de la droite joignant les points (x1 , f (x1 )) et (x2 , f (x2 )), avec l’axe des x. Illustrer à l’aide d’un graphique cette méthode. Obtenir l’équation de la droite et calculer son point d’intersection x∗m avec l’axe des x. Modifier l’algorithme de la bissection en remplaçant xm par x∗m . 3. Reprendre l’exercice 1 en utilisant cette fois la méthode de la fausse position. 4. Obtenir la multiplicité m de la racine r des fonctions suivantes. a) f (x) = x2 − 2x + 1, en r = 1 b) f (x) = x3 − 2x2 + x, en r = 0 c) f (x) = x sin x, en r = 0 sin x d) f (x) = , en r = 0 x 5. On considère l’équation : ex − (x + 5) = 0

(2.31)

a) Déterminer le nombre et la position approximative des solutions positives de l’équation 2.31. b) Utiliser l’algorithme de la bissection pour déterminer chacune de ces racines avec une erreur absolue inférieure à 10−7 . c) Déterminer combien d’itérations de la méthode de la bissection seraient nécessaires pour calculer la racine la plus proche de 1 avec une précision de 10−8 , en partant de l’intervalle [0, 2]. Ne pas faire les itérations. 6.

6

On considère l’équation :

f1 (x) = 729x6 − 2 916x5 + 4 860x4 − 4 320x3 + 2 160x2 − 576x + 64 = 0 6. Les exercices précédés du symbole nécessitent l’utilisation d’un ordinateur. Pour R qui possède faciliter la tâche de programmation, nous recommandons le logiciel Matlab⃝ toutes les fonctionnalités de base nécessaires à l’apprentissage des méthodes numériques.

Équations non linéaires

87

Déterminer un intervalle de départ que vous pourriez utiliser pour calculer une racine. Que pouvez-vous conclure ? Même question avec l’équation cubique : f2 (x) = x3 − 1 000,9x2 − 100,095 8763x − 4,127 835 052 = 0 7. Calculer les points fixes des fonctions suivantes et vérifier s’ils sont attractifs ou répulsifs. a) b) c) d)

g(x) = 4x − x2 √ g(x) = x g(x) = arcsin x g(x) = 5 + x − x2

8. Utiliser l’algorithme des points fixes avec les fonctions suivantes. Une fois en+1 le point fixe obtenu, calculer |en | et en . Obtenir expérimentalement le taux de convergence de la méthode. 2

a) g(x) = 1 − x − x5 (x0 = 5) √ b) g(x) = 1 + x (x0 = 1,5) 9. Appliquer la méthode de Steffenson pour accélérer l’algorithme du point fixe : xn+1 = cos xn , avec x0 = 1 (en radians) comme point de départ. Étudier expérimentalement à l’aide d’un tableau pour |En | = |xn − xn−1 |, la convergence En+1 En+1 En , E 2 . Déterminer l’ordre de convergence. n N.B. L’évaluation de l’ordre de convergence pourrait se faire de manière équivalente en utilisant les termes d’erreurs en au lieu des écarts successifs En . 10. Utiliser la méthode de Newton pour déterminer les racines des fonc en+1 tions suivantes. Une fois la racine obtenue, calculer |en |, en+1 et e2 . en n Conclure sur la convergence de la méthode. Si la convergence est linéaire, modifier l’algorithme de façon à récupérer la convergence quadratique. a) b) c) d)

f (x) = x3 − 2x2 − 5 (x0 = 3) f (x) = 0,51x − sin x (x0 = 2 ; et ensuite à partir de x0 = 1) f (x) = x6 − x − 1 (x0 = 1,5) f (x) = x5 − 3x4 + 4x3 − 4x2 + 3x − 1 (x0 = 1,2)

11. Faire 5 itérations de la méthode de la sécante pour les fonctions de l’exercice précédent. Dans chaque cas, prendre le x0 donné et poser x1 = x0 +1. 12. Montrer que l’algorithme suivant permet de récupérer la convergence quadratique lorsque la multiplicité m de la racine est connue : xn+1 = xn − m

f (xn ) f ′ (xn )

Vérifier en premier lieu si cet algorithme converge vers une racine de f (x). Montrer ensuite que la convergence est forcément quadratique.

88

Chapitre 2

13. On cherche à résoudre l’équation : ex − 3x2 = 0 qui possède les deux racines r1 = −0,458 9623 et r2 = 0,91 ainsi qu’une troisième racine située près de 4. On vous propose les méthodes des points fixes suivantes pour obtenir r1 . √

ex ) ( 3x e − 3x2 − 3,385 712 869x 2) x = g2 (x) = − 3,385 712 869 ) ( x e − 3x2 − 3,761 89x 3) x = g3 (x) = − 3,761 89 1) x = g1 (x) = −

a) Lesquelles, parmi ces trois méthodes des points fixes, sont susceptibles de converger vers r1 ? (Ne pas faire les itérations.) b) Déterminer celle qui produit une convergence quadratique vers r1 . c) La méthode de la bissection convergera-t-elle vers l’une des racines si l’on prend [−1 , 0] comme intervalle de départ ? d) Utiliser la méthode de Newton pour déterminer la troisième racine avec 4 chiffres significatifs. Quel est l’ordre de convergence de cette méthode ? 14.

On considère l’équation : tanh x = x2 − 1 a) Montrer que cette équation possède deux racines assez proches de 0. b) En partant de x0 = 2, écrire un programme afin de comparer expérimentalement le comportement des deux méthodes itératives suivantes :

xn+1 =



1 + tanh(xn )

xn+1 = arcsinh [cosh(xn )(x2n − 1) ] Rappel : cosh(x) =

ex + e−x ex − e−x sinh(x) ; sinh(x) = ; tanh(x) = 2 2 cosh(x)

c) Que se passe-t-il si on part de x0 = 0 ? d) Déterminer expérimentalement un intervalle I = [0, a] pour lequel la première méthode itérative converge quel que soit x0 ∈ I.

Équations non linéaires 15.

89

L’équation : x4 − 2x2 − 8 = 0 possède deux racines réelles, −2 et 2 et elle peut s’écrire de plusieurs façons sous la forme x = g(x). En choisir deux et répondre aux questions suivantes. a) Écrire un programme pour calculer les itérés successifs de l’algorithme du point fixe pour vos deux choix de fonctions g(x). Itérer jusqu’à ce que : |xn+1 − xn | < 10−6 |xn | b) Le comportement des deux algorithmes est-il le même pour les deux racines ? c) Calculer expérimentalement le taux de convergence dans chaque cas. d) Obtenir le taux de convergence théorique dans chaque cas. e) Est-ce que la méthode de la bissection serait plus lente que les deux méthodes des points fixes utilisées pour la détermination de la racine 2, si l’intervalle de départ était [0, 4] et la condition d’arrêt était |b − a| < 10−6 ?

16. Évaluer la quantité : √ s=

3

√ 3+

3

3+

√ 3

3 + ···

Suggestion : Mettre cette équation au cube et obtenir une équation de la forme f (s) = 0. Résoudre cette dernière à l’aide de la méthode de Newton à partir de s0 = 1. 17. On cherche à résoudre l’équation : x2 − 2 = 0 (dont la solution est



2) au moyen de la méthode des points fixes :

xn+1 = g(xn ) = xn − ρ(x2n − 2) où ρ est une constante. a) Pour quelles valeurs de ρ cette méthode des points fixes est-elle convergente à l’ordre 1 (au moins) ? √

b) Quel est l’ordre de convergence pour ρ = 42 ? √ c) Quel est l’ordre de convergence si ρ = 3 2 ? 18. L’équation x2 = 2 peut être mise sous la forme : x=

2 x

(2.32)

90

Chapitre 2

a) Montrer que l’algorithme du point √ fixe appliqué à √ 2.32 ne produit jamais une suite qui converge vers 2 sauf si x0 = 2. b) Écrire explicitement l’algorithme de Steffenson de la section 2.3.3 appliqué à 2.32 et vérifier qu’il coïncide avec l’algorithme de Newton appliqué à x2 − 2 = 0. 19. On a calculé une racine de : f (x) = x3 + 4x2 − 10 en utilisant l’algorithme des points fixes : 1√ xn+1 = 10 − x3n 2 On a obtenu les résultats suivants. √ xn+1 = 12 10 − x3n en+1 n xn |en | en 1 1,500 00 0,134 77 0,580 84 2 1,286 95 0,078 28 0,476 62 3 1,402 54 0,037 31 0,529 88 4 1,345 46 0,019 77 0,502 78 5 1,375 17 0,009 94 0,517 10 6 1,360 09 0,005 14 0,509 72 7 1,367 85 0,002 62 0,511 45 8 1,363 89 0,001 34 0,514 92 9 1,365 92 0,000 69 — .. .. .. .. . . . . 17 1,365 23 0,000 00 — On a obtenu les résultats des deux dernières colonnes en considérant que la valeur exacte de la racine est r = 1,365 23. a) Expliquer pourquoi la méthode itérative précédente a convergé. b) Les valeurs de en+1 en semblent converger vers 0,51. Expliquer ce résultat et donner la valeur exacte vers laquelle le quotient en+1 en devrait converger. c) Quel est l’ordre de la méthode utilisée ? 20. Une équation f (x) = 0 possède deux racines x1 = −1 et x2 = 2. En partant de deux points de départ x10 et x20 différents, la méthode de Newton produit les résultats suivants : n 1 2 3 4 5 6

x10 −1,8889 −1,2789 −1,0405 −1,0011 −1,0000 −1,0000

x20 1,6667 1,8444 1,9244 1,9627 1,9815 1,9908

Équations non linéaires

91

a) Déterminer, à partir de ces résultats numériques, si cet algorithme converge linéairement ou quadratiquement et ce, pour chacune des racines. Dans le cas de la convergence linéaire, donner une approximation du taux de convergence. b) Que peut-on dire de la multiplicité de chacune des racines ? 21. Une variante de la méthode de Newton pour résoudre des équations de la forme f (x) = 0 résulte en l’algorithme suivant :  x0  

donné

f (xn )   xn+1 = xn − f ′ (x0 ) Note : La valeur de la dérivée apparaissant au dénominateur est fixée à f ′ (x0 ) pour toutes les itérations. Ce n’est donc pas la méthode de Newton. a) Donner une interprétation géométrique de cette méthode. b) On aimerait se servir de cette méthode pour évaluer la racine r = de l’équation : x2 − 2 = 0



2

Donner √ une condition nécessaire sur x0 pour que la méthode converge vers 2. Suggestion : Considérer cette variante de la méthode de Newton comme une méthode des points fixes. 22. On vous propose √ la méthode des points fixes suivante pour évaluer la racine cubique 3 N d’un nombre N :  x0 donné     xn+1 =

2xn N + 2 3 3xn

√ a) Est-ce que 3 N est un point fixe de cet algorithme ? b) Quel est l’ordre de convergence exact (théorique) de cette méthode des points fixes ? √ c) On a appliqué cet algorithme pour le calcul de 3 100 en partant de x0 = 5 et l’on a obtenu le tableau : xn+1 = n 0 1 2 3 4

2xn 3

xn 5,000 000 000 4,666 666 667 4,641 723 356 4,641 588 837 4,641 588 833

+

100 3x2 n

|en | 0,358 41 × 10+0 0,250 77 × 10−1 0,134 52 × 10−3 0,389 86 × 10−8 −−−−−−−

92

Chapitre 2

√ On considérera que la valeur x4 est la valeur exacte de 3 100. En complétant au besoin le tableau précédent, interpréter ces résultats numériques de manière à confirmer (ou infirmer) les résultats théoriques obtenus en b). 23. On considère une méthode des points fixes utilisant la fonction : g(x) =

x(x2 + 3a) (3x2 + a)

où a est un paramètre strictement positif. a) Obtenir analytiquement l’unique point fixe de cette fonction dans l’intervalle ]0 , ∞[. b) Montrer que la méthode des points fixes converge dans ce cas au moins à l’ordre 3 vers le point fixe trouvé en a). 24. On considère l’équation : cos(x) − x = 0

25.

a) Montrer qu’elle possède exactement une racine dans l’intervalle (0, ∞). b) Sans faire d’itérés, montrer que l’algorithme xn+1 = cos(xn ) est nécessairement convergent. c) Qu’en est-il de l’algorithme xn+1 = arccos(xn ) ? a) Obtenir tous les points fixes de la fonction : g(x) = λx(1 − x)

26.

où λ est un paramètre (λ ̸= 0). b) Déterminer pour chaque point fixe trouvé en a) les valeurs de λ pour lesquelles ces points fixes sont attractifs. c) Déterminer pour chaque point fixe trouvé en a) la valeur de λ pour laquelle la convergence de la méthode des points fixes sera quadratique. a) Obtenir tous les points fixes de la fonction : g(x) = (λ + 1)x − λx2 où λ est un paramètre (λ ̸= 0). b) Déterminer pour chaque point fixe trouvé en a) les valeurs de λ pour lesquelles ces points fixes sont attractifs. c) Déterminer pour chaque point fixe trouvé en a) la valeur de λ pour laquelle la convergence de la méthode des points fixes sera quadratique.

27.

L’équation :

ln(1 + x) − 0.5 x + 1 = 0

possède une racine entre 1 et 10.

Équations non linéaires

93

a) Écrire un programme pour calculer cette racine par la méthode de la sécante. b) Modifier la procédure pour qu’elle donne aussi les écart successifs |En | = |xn − xn+1 | entre les itérés. c) Faire une représentation graphique log-log de En+1 versus En . Pour n grand, quelle est la pente de la droite ? d) Quel est le lien entre cette pente et l’ordre de convergence de la méthode ? N.B. Pour faire cet exercice, on peut utiliser les fonctions loglog et polyfit R de Matlab⃝. 28. Soit f (x) une fonction vérifiant les conditions :  f (r) = 0   ′ f (r) ̸= 0 ′′   f ′′′(r) = 0 f (r) ̸= 0 a) Quelle est la multiplicité de la racine r de f (x) ? b) Montrer que la méthode de Newton converge à l’ordre 3 au voisinage de cette racine. 29. On a utilisé une méthode des points fixes pour une fonction g(x) qui possède un point fixe en r = −1. On a indiqué dans le tableau suivant une partie des résultats obtenus : xn+1 = g(xn ) n xn .. .. . . 11 −0,999 887 412 12 −1,000 037 634 13 −0,999 987 446 14 −1,000 004 185 15 −0,999 998 605 16 −1,000 000 465 .. .. . . a) Donner une valeur la plus précise possible pour g(−1). b) Donner une valeur approximative pour g ′ (−1). c) Expliquer pourquoi les valeurs de xn sont tour à tour supérieures et inférieures à r. d) Quel est l’ordre de convergence de cette méthode des points fixes ? 30. L’algorithme suivant est une modification de la méthode de Newton : xn+1

f (xn ) 1 f ′′ (xn ) = xn − ′ − f (xn ) 2 f ′ (xn )

(

f (xn ) f ′ (xn )

)2

94

Chapitre 2 √ a) On souhaite utiliser cet algorithme pour évaluer 2. Donner l’algorithme dans ce cas et simplifier au maximum l’expression de l’algorithme de manière à éviter les calculs inutiles par la suite. De toute évidence, l’algorithme ne peut pas utiliser la fonction racine carrée. √ b) Déterminer analytiquement l’ordre de convergence vers la racine 2 de l’algorithme obtenu en a). c) Faire 2 itérations de cet algorithme à partir de x0 = 2.

31. La demi-épaisseur t(x) d’un profil d’aile d’avion de la classe NACA (National Aeronautics and Space Administration) peut être approchée par : √ t(x) = T (3,7 x − 3,4x − 0,3x4 ) où T est la demi-épaisseur nominale maximale et x varie de x = 0 (bord d’attaque) à x = 1 (bord de fuite). La véritable demi-épaisseur maximale tmax est légèrement supérieure à T . Un profil avec T = 0,15 est illustré à la figure 2.11 (les fonctions t(x) et −t(x) ont été tracées pour obtenir le profil complet). Déterminer la valeur de x où l’épaisseur t(x) est maximale. On précisera et justifiera l’approche utilisée et l’on fera au moins 2 itérations de la méthode retenue. 0,3 0,2

Profil NACA 0,1

t(x)

0 -0,1 -0,2 -0,3

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

x Figure 2.11 – Profil NACA pour T = 0,15

1

Chapitre 3

Systèmes d’équations algébriques 3.1

Introduction

Les systèmes d’équations algébriques jouent un rôle très important en ingénierie. On peut classer ces systèmes en deux grandes familles : les systèmes linéaires et les systèmes non linéaires. Ici encore, les progrès de l’informatique et de l’analyse numérique permettent d’aborder des problèmes de taille prodigieuse. On résout couramment aujourd’hui des systèmes de plusieurs centaines de milliers d’inconnues. On rencontre ces applications en mécanique des fluides et dans l’analyse de structures complexes. On peut par exemple calculer l’écoulement de l’air autour d’un avion ou l’écoulement de l’eau dans une turbine hydraulique complète. On peut également analyser la résistance de la carlingue d’un avion à différentes contraintes extérieures et en vérifier numériquement la solidité. Ces calculs complexes requièrent des méthodes évoluées comme les méthodes d’éléments finis (voir Reddy, réf. [31]). On obtient généralement des systèmes d’équations non linéaires de taille considérable, qu’on doit résoudre à l’aide de méthodes efficaces qui minimisent le temps de calcul et l’espacemémoire requis. Dans ce chapitre, nous allons aborder les principales méthodes de résolution des systèmes linéaires, à savoir la méthode d’élimination de Gauss et la décomposition LU . L’effet des erreurs dues à l’arithmétique flottante sera également étudié et nous introduirons le concept de conditionnement d’une matrice. Par la suite, nous verrons comment résoudre les systèmes non linéaires au moyen d’une suite de systèmes linéaires. C’est ce que nous appelons la linéarisation du problème.

3.2

Systèmes linéaires

De façon générale, la résolution d’un système d’équations linéaires consiste à trouver un vecteur ⃗x = [x1 x2 x3 · · · xn ]T (⃗x dénotera toujours un vecteur colonne et l’indice supérieur T désignera sa transposée) solution de :

96

Chapitre 3

a11 x1 a21 x1 a31 x1 an1 x1

+ a12 x2 + a13 x3 + a22 x2 + a23 x3 + a32 x2 + a33 x3 .. . + an2 x2 + an3 x3

+ · · · + a1n xn + · · · + a2n xn + · · · + a3n xn + · · · + ann xn

= b1 = b2 = b3 . = .. = bn

(3.1)

On peut utiliser la notation matricielle, qui est beaucoup plus pratique et surtout plus compacte. On écrit alors le système précédent sous la forme : A⃗x = ⃗b

(3.2)

où A est la matrice :      

a11 a12 a13 a21 a22 a23 a31 a32 a33 .. .. .. . . . an1 an2 an3

··· ··· ··· .. . ···

a1n a2n a3n .. . ann

     

et où ⃗b = [b1 b2 b3 · · · bn ]T est le membre de droite. Bien entendu, la matrice A et le vecteur ⃗b sont connus. Il reste à déterminer le vecteur ⃗x. Le problème 3.1 (ou 3.2) est un système de n équations et n inconnues. En pratique, la valeur de n varie considérablement et peut s’élever jusqu’à plusieurs centaines de milliers. Dans ce chapitre, nous nous limitons à des systèmes de petite taille, mais les stratégies développées sont valides pour des systèmes de très grande taille. Notons toutefois que le coût de la résolution croît rapidement avec n. Remarque 3.1 Dans la plupart des cas, nous traitons des matrices non singulières ou inversibles, c’est-à-dire dont la matrice inverse existe. Nous ne faisons pas non plus de révision systématique de l’algèbre linéaire élémentaire que nous supposons connue. Ainsi, la solution de l’équation 3.2 peut s’écrire : ⃗x = A−1⃗b et la discussion peut sembler close. Nous verrons cependant que le calcul de la matrice inverse A−1 est plus difficile et plus long que la résolution du système linéaire de départ. 

Exemple 3.2 Considérons le système linéaire suivant : 2x1 + 3x2 = 8 3x1 + 4x2 = 11

Systèmes d’équations algébriques

97

Pour le résoudre, on peut utiliser la méthode classique qui consiste à éliminer les équations une à une par substitution successive. Dans un premier temps, on isole x1 de la première équation : x1 =

8 − 3x2 2

que l’on substitue dans la deuxième équation : ( ) 8 − 3x2 3 + 4x2 = 11 2 ou encore : 12 −

9x2 + 4x2 = 12 − 0,5x2 = 11 2

On déduit alors facilement que x2 = 2 et par la suite que x1 = 1.  Il est théoriquement possible d’étendre la substitution successive à des systèmes de grande taille. Il est cependant difficile de transcrire cette façon de faire sous forme d’algorithme (qui peut par la suite être programmé dans un langage informatique quelconque). Il est donc préférable de recourir à d’autres méthodes pour simplifier le système d’équations. On peut d’abord se demander quels types de systèmes linéaires sont faciles à résoudre, et ce, même s’ils sont de grande taille. Le cas le plus simple est sans doute celui des systèmes diagonaux, c’est-à-dire dont la matrice A n’a de coefficients non nuls que sur la diagonale. Exemple 3.3 Le système suivant :     2 1 0 0 x1  0 2 0   x2  =  2  9 0 0 3 x3 

est très facile à résoudre. Il suffit de considérer séparément chaque ligne. On [ ]T obtient ainsi ⃗x = 2 1 3 . On voit tout de suite comment résoudre le cas général : bi xi = pour i = 1, 2, · · · , n aii On remarque de plus que le système a une solution unique seulement si tous les termes diagonaux sont non nuls. Hélas, on rencontre rarement des systèmes diagonaux en pratique et il faudra travailler un peu plus pour s’attaquer aux applications.  Le deuxième type de système simple est le système triangulaire inférieur ou supérieur.

98

Chapitre 3

Définition 3.4 Une matrice est dite triangulaire inférieure (ou supérieure) si tous les aij (ou tous les aji ) sont nuls pour i < j. Une matrice triangulaire inférieure a la forme type :   a11 0 0 0 ··· 0  a21 a22 0 0 ··· 0    a32 a33 0 ··· 0   a31  .. .. .. .. ..  ..  . . . . . .     a 0  n−1 1 an−1 2 an−1 3 · · · an−1 n an1 an2 an3 · · · an n−1 ann Une matrice triangulaire supérieure est tout simplement la transposée d’une matrice triangulaire inférieure. Les systèmes triangulaires sont également faciles à résoudre. Il suffit en effet de commencer par l’équation qui se trouve à la pointe du triangle (la première pour une matrice triangulaire inférieure et la dernière pour une matrice triangulaire supérieure) et de résoudre une à une les équations. On parle de descente triangulaire ou de remontée triangulaire, selon le cas. Exemple 3.5 La descente triangulaire du système :     9 3 0 0 x1  1 2 0   x2  =  7  14 3 2 1 x3 

consiste à résoudre la première équation : x1 =

b1 9 = =3 a11 3

Puisque x1 est maintenant connue, on peut déterminer x2 : x2 =

b2 − a21 x1 7 − (1)(3) = =2 a22 2

La dernière équation s’écrit : x3 = 

b3 − a31 x1 − a32 x2 14 − (3)(3) − (2)(2) = =1 a33 1

Systèmes d’équations algébriques

99

De l’exemple précédent, on peut rapidement déduire le cas général pour la descente triangulaire : x1 = b1 /a11 ( bi − xi

i−1 ∑

)

k=1

=

(3.3)

aik xk

aii

pour i = 2, 3, · · · , n

Pour la remontée triangulaire, on a : xn = bn /ann ( bi − xi

=

)

n ∑

k=i+1

aii

(3.4)

aik xk pour i = n − 1, n − 2, · · · , 2, 1

Remarque 3.6 Les équations 3.3 et 3.4 sont valides si les aii sont tous non nuls. Dans le cas contraire, la matrice A n’est pas inversible et, donc, le système A⃗x = ⃗b n’a pas une solution unique. On se souvient en effet que le déterminant d’une matrice triangulaire inférieure (ou supérieure) est : dét Atriangulaire =

n ∏

aii

(3.5)

i=1

En d’autres mots, le déterminant est le produit des termes de la diagonale de A. Le produit est donc non nul seulement si aucun des aii n’est nul.  Les matrices triangulaires sont primordiales pour la résolution des systèmes linéaires. Dans les sections qui suivent, nous voyons comment ramener un système linéaire quelconque à un ou plusieurs systèmes triangulaires. Nous abordons essentiellement deux méthodes dites directes au sens de la définition suivante. Définition 3.7 Une méthode de résolution d’un système linéaire est dite directe si la solution du système peut être obtenue par cette méthode en un nombre fini et prédéterminé d’opérations. Autrement dit, les méthodes directes permettent d’obtenir le résultat après un nombre connu de multiplications, divisions, additions et soustractions. On peut alors en déduire le temps de calcul nécessaire à la résolution (qui peut être très long si n est grand). Les méthodes directes s’opposent sur ce point aux méthodes dites itératives, qui peuvent converger en quelques itérations, converger en un très grand nombre d’itérations ou même diverger, selon le

100

Chapitre 3

cas. Nous présentons quelques exemples de méthodes itératives à la fin du chapitre 4. Les deux principales méthodes directes sont la méthode d’élimination de Gauss et la décomposition LU . Il s’agit en fait d’une seule et même méthode puisque la méthode d’élimination de Gauss est un cas particulier de décomposition LU . La stratégie de résolution est basée sur la question suivante : quelles opérations sont permises sur les lignes du système 3.1 pour le ramener à un système triangulaire ? Ou encore : pour ramener un système linéaire quelconque à un système triangulaire, quels sont les coups permis, c’est-à-dire ceux qui ne changent pas la solution du système de départ ? C’est à ces questions que nous répondons dans la section suivante.

3.3

Opérations élémentaires sur les lignes

Revenons au système : A⃗x = ⃗b

(3.6)

et voyons comment on peut le transformer sans en modifier la solution. La réponse est toute simple. On peut toujours multiplier (à gauche de chaque côté) les termes de cette relation par une matrice W inversible ; la solution n’est pas modifiée puisque l’on peut remultiplier par W −1 pour revenir au système de départ. Ainsi : W A⃗x = W⃗b possède la même solution que le système 3.6. Remarque 3.8 Ce résultat n’est plus vrai si la matrice W n’est pas inversible. On ne peut plus en effet revenir en arrière si la matrice W −1 n’existe pas. 

Exemple 3.9 Nous avons vu que la solution du système :      3 0 0 x1 9  1 2 0   x2  =  7  3 2 1 x3 14 [ ]T est ⃗x = 3 2 1 . Si l’on multiplie ce système par la matrice inversible : 

 1 0 0 W = 1 2 0  1 2 3 on obtient le nouveau système :      9 3 0 0 x1  5 4 0   x2  =  23  x3 65 14 10 3

Systèmes d’équations algébriques 101 ]T dont la solution est toujours ⃗x = 3 2 1 . Par contre, si l’on multiplie le système de départ par la matrice non inversible :   1 0 0 W = 1 2 0  1 2 0 [

on obtient le système singulier  3 0  5 4 5 4

:

    9 0 x1 0   x2  =  23  0 x3 23

qui possède une infinité de solutions, la dernière équation étant redondante.  Pour transformer un système quelconque en système triangulaire, il suffit d’utiliser trois opérations élémentaires sur les lignes de la matrice. Ces trois opérations élémentaires correspondent à trois types différents de matrices W . C’est la base de la méthode d’élimination de Gauss. L’approche suivie est similaire à celle de Burden et Faires (réf. [5]). On note ⃗li , la ligne i de la matrice A. Cette notation est quelque peu ambiguë, car on se trouve de ce fait à placer une ligne de la matrice A dans un vecteur colonne. Cela n’empêche cependant pas la compréhension de la suite. Les trois opérations élémentaires dont on a besoin sont les suivantes : 1. opération (⃗li ← λ⃗li ) : remplacer la ligne i par un multiple d’elle-même ; 2. opération (⃗li ↔ ⃗lj ) : intervertir la ligne i et la ligne j ; 3. opération (⃗li ← ⃗li + λ⃗lj ) : remplacer la ligne i par la ligne i plus un multiple de la ligne j. Ces trois opérations élémentaires sont permises, car elles équivalent à multiplier le système 3.6 par une matrice inversible.

3.3.1

Multiplication d’une ligne par un scalaire

Remplacer la ligne i par un multiple d’elle-même (⃗li ← λ⃗li ) revient à multiplier le système linéaire 3.6 par une matrice diagonale inversible W = M (⃗li ← λ⃗li ), dont tous les éléments diagonaux sont 1, sauf mii , qui vaut λ. Tous les autres termes sont nuls. Cette matrice a pour effet de multiplier la ligne i par le scalaire λ. Remarque 3.10 Le déterminant de la matrice diagonale M (⃗li ← λ⃗li ) est λ. La matrice est donc inversible si λ ̸= 0.  Remarque 3.11 La matrice inverse de M (⃗li ← λ⃗li ) est simplement M (⃗li ← λ−1⃗li ), c’est-à-dire : M −1 (⃗li ← λ⃗li ) = M (⃗li ← (1/λ)⃗li ) Il suffit donc de remplacer λ par 1/λ pour inverser la matrice. 

(3.7)

102

Chapitre 3

Exemple 3.12 Soit le système : 

    3 1 2 x1 6  6 4 1   x2  =  11  (3.8) 5 4 1 x3 10 [ ]T dont la solution est ⃗x = 1 1 1 . Si l’on souhaite multiplier la ligne 2 par un facteur 3, cela revient à multiplier le système par la matrice :   1 0 0 M (⃗l2 ← 3⃗l2 ) =  0 3 0  0 0 1 et l’on obtient : 

    3 1 2 x1 6  18 12 3   x2  =  33  5 4 1 x3 10 La solution de ce nouveau système reste la même que celle du système de départ puisque la matrice M (⃗l2 ← 3⃗l2 ) est inversible (et son déterminant est 3). 

3.3.2

Permutation de deux lignes

L’opération élémentaire qui consiste à intervertir deux lignes ( ⃗li ↔ ⃗lj ) est également connue sous le nom de permutation de lignes. Cette opération est équivalente à la multiplication du système 3.1 par une matrice inversible W = P (⃗li ↔ ⃗lj ), obtenue en permutant les lignes i et j de la matrice identité. Exemple 3.13 On veut intervertir la ligne 2 et la ligne 3 du système de l’exemple précédent. Il suffit de le multiplier par la matrice :   1 0 0 P (⃗l2 ↔ ⃗l3 ) =  0 0 1  0 1 0 et l’on obtient :



    6 3 1 2 x1  5 4 1   x2  =  10  x3 11 6 4 1 

Systèmes d’équations algébriques

103

La matrice P (⃗li ↔ ⃗lj ) est inversible. Pour obtenir son inverse, il suffit de réfléchir une seconde. En effet, quelle est l’opération inverse de celle qui inverse deux lignes, sinon l’inversion des deux mêmes lignes ? Remarque 3.14 L’inverse de la matrice P (⃗li ↔ ⃗lj ) est donc la matrice P (⃗li ↔ ⃗lj ) elle-même, c’est-à-dire : P −1 (⃗li ↔ ⃗lj ) = P (⃗li ↔ ⃗lj ) (3.9)  Remarque 3.15 On montre assez facilement que le déterminant de P (⃗li ↔ ⃗lj ) est −1. Lorsque l’on permute deux lignes, le déterminant du système de départ change de signe. 

3.3.3

Opération (⃗li ← ⃗li + λ⃗lj )

La dernière opération élémentaire consiste à remplacer la ligne i par la ligne i plus un multiple de la ligne j (⃗li ← ⃗li + λ⃗lj ). Cela est encore une fois équivalent à multiplier le système de départ par une matrice inversible W = T (⃗li ← ⃗li + λ⃗lj ) qui vaut 1 sur toute la diagonale et 0 partout ailleurs, sauf tij , qui vaut λ. Exemple 3.16 Dans le système 3.8, on souhaite remplacer la deuxième ligne par la deuxième ligne (i = 2) moins deux fois (λ = −2) la première ligne (j = 1). Il suffit alors de multiplier le système par :   1 0 0 T (⃗l2 ← ⃗l2 − 2⃗l1 ) =  −2 1 0  0 0 1 ce qui donne :



    6 3 1 2 x1  0 2 −3   x2  =  −1  x3 10 5 4 1

 Remarque 3.17 La matrice T (⃗li ← ⃗li + λ⃗lj ) est inversible. Pour obtenir son inverse, il suffit de remplacer λ par −λ, c’est-à-dire : T −1 (⃗li ← ⃗li + λ⃗lj ) = T (⃗li ← ⃗li − λ⃗lj )

(3.10)

104

Chapitre 3

Cela signifie que pour revenir en arrière il suffit de soustraire la ligne que l’on vient d’ajouter. 

Remarque 3.18 On peut montrer facilement que le déterminant de T (⃗li ← ⃗li + λ⃗lj ) est 1. 

Remarque 3.19 Dans cet exemple, en additionnant le bon multiple de la ligne 1 à la ligne 2, on a introduit un 0 à la position a21 . En remplaçant la ligne 3 par la ligne 3 moins ( 35 ) fois la ligne 1 (ou encore ⃗l3 ← ⃗l3 −( 53 )⃗l1 ), on introduirait un terme 0 à la position a31 . On peut ainsi transformer un système linéaire quelconque en système triangulaire. C’est là la base sur laquelle repose la méthode d’élimination de Gauss. 

Remarque 3.20 Des trois opérations élémentaires, seule l’opération (⃗li ← ⃗li +λ⃗lj ) n’a pas d’effet sur le déterminant. La permutation de deux lignes en change le signe, tandis que la multiplication d’une ligne par un scalaire multiplie le déterminant par ce même scalaire. 

3.4

Élimination de Gauss

Tous les outils sont en place pour la résolution d’un système linéaire. Il suffit maintenant d’utiliser systématiquement les opérations élémentaires pour introduire des zéros sous la diagonale de la matrice A et obtenir ainsi un système triangulaire supérieur. La validité de la méthode d’élimination de Gauss 1 repose sur le fait que les opérations élémentaires consistent à multiplier le système de départ par une matrice inversible. Remarque 3.21 En pratique, on ne multiplie jamais explicitement les systèmes considérés par les différentes matrices W , car ce serait trop long. Il faut cependant garder en tête que les opérations effectuées sont équivalentes à cette multiplication.  La méthode d’élimination de Gauss consiste à éliminer tous les termes sous la diagonale de la matrice A. Avant de considérer un exemple, introduisons la matrice augmentée. 1. Carl Friedrich Gauss (1777-1855) a apporté des contributions importantes en théorie des nombres, en algèbre, en probabilité et en analyse et fut certainement l’un des grands mathématiciens de tous les temps.

Systèmes d’équations algébriques

105

Définition 3.22 La matrice augmentée du système linéaire 3.1 est la matrice de dimension n sur n + 1 que l’on obtient en ajoutant le membre de droite ⃗b à la matrice A, c’est-à-dire :   a11 a12 a13 · · · a1n b1  a21 a22 a23 · · · a2n b2     a31 a32 a33 · · · a3n b3  (3.11)  . .. .. .. .. ..    .. . . . . . an1 an2 an3 · · · ann bn

Puisque les opérations élémentaires doivent être effectuées à la fois sur les lignes de la matrice A et sur celles du vecteur ⃗b, cette notation est très utile. Remarque 3.23 Il arrive également que l’on doive résoudre des systèmes de la forme A⃗x = ⃗b avec k seconds membres ⃗b différents (la matrice A étant fixée). On peut alors construire la matrice augmentée contenant les k seconds membres désirés. La matrice augmentée ainsi obtenue est de dimension n × (n + k). 

Exemple 3.24 Considérons l’exemple  2  6 8

suivant :

 1 2 10 4 0 26  T1 (⃗l2 ← ⃗l2 − (6/ 2 )⃗l1 ) 5 1 35 T2 (⃗l3 ← ⃗l3 − (8/ 2 )⃗l1 )

On a indiqué ci-dessus la matrice augmentée de même que les opérations élémentaires (et les matrices associées) qui sont nécessaires pour éliminer les termes non nuls sous la diagonale de la première colonne. Il est à noter que l’on divise par 2 (a11 ) les coefficients qui multiplient la ligne 1. On dit alors que 2 est le pivot. On obtient, en effectuant les opérations indiquées :   2 1 2 10  0 1 −6 −4  0 1 −7 −5 T3 (⃗l3 ← ⃗l3 − (1/ 1 )⃗l2 ) Pour produire une matrice triangulaire supérieure, il suffit maintenant d’introduire des 0 sous la diagonale de la deuxième colonne. L’opération est indiquée ci-dessus et le pivot est 1 puisque maintenant a22 = 1. On obtient donc :   2 1 2 10  0 1 −6 −4  (3.12) 0 0 −1 −1 Il reste ensuite à faire la remontée triangulaire de l’algorithme 3.4. On obtient : x3 =

−1 =1 −1

106

Chapitre 3

d’où : x2 =

−4 − (−6)(1) =2 1

et enfin :

10 − (1)(2) − (2)(1) =3 2 On a construit le système triangulaire 3.12 en effectuant des opérations élémentaires directement sur les lignes de la matrice. La matrice triangulaire obtenue est notée U . Les opérations effectuées pour obtenir U sont équivalentes à multiplier le système de départ par une suite de matrices inversibles. On a en fait : U = T3 T2 T1 A x1 =

où les matrices Ti correspondent aux différentes opérations effectuées sur les lignes de la matrice. Plus explicitement, on a :        2 1 2 1 0 0 1 0 0 1 0 0 2 1 2  0 1 −6  =  0 1 0   0 1 0   −3 1 0   6 4 0  0 0 −1 0 −1 1 −4 0 1 0 0 1 8 5 1 Si l’on poursuit le raisonnement, on a également : A = T1−1 T2−1 T3−1 U Puisque  2  6 8

l’on sait inverser les matrices    1 2 1 0 0 1 4 0  =  3 1 0  0 5 1 0 0 1 4

ou encore :

Ti , on a immédiatement que :    0 0 1 0 0 2 1 2 1 0   0 1 0   0 1 −6  0 1 0 1 1 0 0 −1



    2 1 2 1 0 0 2 1 2  6 4 0  =  3 1 0   0 1 −6  8 5 1 4 1 1 0 0 −1

On remarque que les coefficients de la matrice triangulaire inférieure sont ceux qui ont permis d’éliminer les termes non nuls sous la diagonale de la matrice A. Tout cela revient à décomposer la matrice A en un produit d’une matrice triangulaire inférieure, notée L, et d’une matrice triangulaire supérieure U . C’est ce que l’on appelle une décomposition LU .  Remarque 3.25 La méthode d’élimination de Gauss revient à factoriser la matrice A en un produit de deux matrices triangulaires L et U seulement dans le cas où aucune permutation de lignes n’est effectuée.  Remarque 3.26 Le déterminant de la matrice de départ est le même que celui de la matrice triangulaire 3.12 puisqu’on n’a effectué que des opérations de la forme

Systèmes d’équations algébriques

107

(⃗li ← ⃗li + λ⃗lj ), ce qui revient à multiplier le système de départ par une matrice dont le déterminant est 1. On a donc : dét A = (2)(1)(−1) = −2 soit le produit des termes diagonaux de la matrice 3.12. Pour être plus précis : dét A = dét T1−1 dét T2−1 dét T3−1 dét U = (1)(1)(1)[(2)(1)(−1)] puisque le déterminant des trois matrices Ti est 1. 

Exemple 3.27 Soit le système linéaire suivant : x1 2x1 x1 x1

+ x2 + 2x2 + 3x2 + x2

+ + + +

2x3 5x3 3x3 4x3

+ x4 + 3x4 + 3x4 + 5x4

= 2 = 4 = −2 = −2

dont la matrice augmentée est :   1 1 2 1 2  2 2 5 3 4  T1 (⃗l2 ← ⃗l2 − (2/ 1 )⃗l1 )   1 3 3 3 −2 T2 (⃗l3 ← ⃗l3 − (1/ 1 )⃗l1 ) 1 1 4 5 −2 T3 (⃗l4 ← ⃗l4 − (1/ 1 )⃗l1 ) En faisant les opérations indiquées (le pivot a11 est 1), on élimine les termes non nuls sous la diagonale de la première colonne et l’on obtient :   1 1 2 1 2  0 0 1 1 0    P4 (⃗l2 ↔ ⃗l3 ) 0 2 1 2 −4 0 0 2 4 −4 Ici, la procédure est interrompue par le fait que le nouveau pivot serait 0 et qu’il n’est pas possible d’éliminer les termes sous ce pivot. Toutefois, on peut encore, parmi les opérations élémentaires, interchanger deux lignes. Le seul choix possible dans cet exemple est d’intervertir la ligne 2 et la ligne 3. On se rend immédiatement compte qu’il n’y a plus que des 0 sous le nouveau pivot et que l’on peut passer à la colonne suivante :   2 1 1 2 1  0 2 1 2 −4    0 0 1 1 0 0 0 2 4 −4 T5 (⃗l4 ← ⃗l4 − (2/ 1 )⃗l3 ) En effectuant cette dernière opération,  1 1 2  0 2 1  0 0 1 0 0 0

on obtient le système triangulaire :  2 1 2 −4  1 0  2 −4

108

Chapitre 3

La remontée triangulaire (laissée en exercice) donne la solution : ⃗x =

[

1 −1 2 −2

]T

Encore ici, la matrice triangulaire est le résultat du produit des opérations élémentaires : U = T5 P4 T3 T2 T1 A ou encore :

A = T1−1 T2−1 T3−1 P4−1 T5−1 U

qui s’écrit : 

1  2  1 1

1 2 3 1

2 5 3 4

  1 3   = 3   5

1 2 1 1

0 0 1 0

0 1 0 2

 0 1 1 0  0 2 0  0 0 0 0 1

2 1 1 0

 1 2  1  2

On remarque que la première matrice du terme de droite n’est pas triangulaire inférieure. Cela est dû au fait que l’on a permuté deux lignes. En remultipliant par P4 des deux côtés la dernière relation, on revient à P4 A = LU et L est alors triangulaire inférieure.  Remarque 3.28 Le déterminant de la matrice A associée à cet exemple est tout simplement : dét A = dét T1−1 dét T2−1 dét T3−1 dét P4−1 dét T5−1 dét U = (1)(1)(1)(−1)(1)[(1)(2)(1)(2)] = −4

Le déterminant est donc le produit de la diagonale de la matrice triangulaire à un signe près puisqu’on a permuté une fois 2 lignes et que dét P4 = −1.  Nous n’insistons pas davantage sur la méthode d’élimination de Gauss puisque nous avons démontré qu’il s’agit d’un cas particulier de décomposition d’une matrice en un produit d’une matrice triangulaire inférieure et d’une matrice triangulaire supérieure (A = LU ). Nous abordons maintenant directement cette décomposition.

3.5 3.5.1

Décomposition LU Principe de la méthode

Supposons un instant que nous ayons réussi à exprimer la matrice A en un produit de deux matrices triangulaires L et U . Comment cela nous permet-il de résoudre le système A⃗x = ⃗b ? Il suffit de remarquer que : A⃗x = LU⃗x = ⃗b

Systèmes d’équations algébriques

109

et de poser U⃗x = ⃗y . La résolution du système linéaire se fait alors en deux étapes : L⃗y = ⃗b (3.13) U⃗x = ⃗y qui sont deux systèmes triangulaires. On utilise d’abord une descente triangulaire sur la matrice L pour obtenir ⃗y et, par la suite, une remontée triangulaire sur la matrice U pour obtenir la solution recherchée ⃗x. Il faut tout de suite souligner que la décomposition LU n’est pas unique. On peut en effet écrire un nombre réel comme le produit de deux autres nombres d’une infinité de façons. Il en est de même pour les matrices. Exemple 3.29 Pour illustrer la égalités :  2  0 6 et :

non-unicité de la décomposition LU , il suffit de vérifier les     −1 −1 2 0 0 1 −0,5 −0,5 −4 2  =  0 −4 0   0 1 −0,5  −3 1 6 0 4 0 0 1



    2 −1 −1 1 0 0 2 −1 −1  0 −4 2  =  0 1 0   0 −4 2  6 −3 1 3 0 1 0 0 4

 Remarque 3.30 La décomposition LU n’étant pas unique, il faut faire au préalable des choix arbitraires. Le choix le plus populaire consiste à imposer que la matrice U ait des 1 sur sa diagonale. C’est la décomposition de Crout. Certains logiciels comme Matlab [29] préfèrent mettre des 1 sur la diagonale de L. Il en résulte bien sûr une décomposition LU différente de celle de Crout, mais le principe de base reste le même. 

3.5.2

Décomposition de Crout

Pour obtenir cette décomposition (ou factorisation), nous considérons une matrice de dimension 4 sur 4, le cas général étant similaire. On doit donc déterminer les coefficients lij et uij des matrices L et U de telle sorte que A = LU . En imposant que la diagonale de U soit composée de 1, on doit avoir :      l11 0 0 0 a11 a12 a13 a14 1 u12 u13 u14 0   0 1 u23 u24   a21 a22 a23 a24   l21 l22 0 = l  a 0  0 0 1 u34  31 a32 a33 a34 31 l32 l33 a41 a42 a43 a44 l41 l42 l43 l44 0 0 0 1

110

Chapitre 3

Il suffit de procéder de façon systématique par identification des coefficients. On remarque d’abord qu’il y a exactement 16 (n2 dans le cas général) inconnues à déterminer. On peut faire le produit des matrices L et U et se servir des différents coefficients aij . On obtient ainsi les 16 (n2 ) équations nécessaires pour déterminer les coefficients lij et uij . 1. Produit des lignes de L par la première colonne de U On obtient immédiatement que : l11 = a11

l21 = a21

l31 = a31

l41 = a41

et la première colonne de L est tout simplement la première colonne de A. 2. Produit de la première ligne de L par les colonnes de U On obtient respectivement : l11 u12 = a12

l11 u13 = a13

l11 u14 = a14

d’où l’on tire que : u12 =

a12 l11

u13 =

a13 l11

u14 =

a14 l11

On a donc la première ligne de U , si l11 = ̸ 0. 3. Produit des lignes de L par la deuxième colonne de U Les différents produits donnent : l21 u12 + l22 = a22 l31 u12 + l32 = a32 l41 u12 + l42 = a42 ou encore : l22 = a22 − l21 u12 l32 = a32 − l31 u12 l42 = a42 − l41 u12 et la deuxième colonne de L est connue. 4. Produit de la deuxième ligne de L par les colonnes de U On trouve immédiatement que : l21 u13 + l22 u23 = a23 l21 u14 + l22 u24 = a24 ce qui donne : u23 = u24 =

a23 − l21 u13 l22 a24 − l21 u14 l22

Systèmes d’équations algébriques

111

5. Produit des lignes de L par la troisième colonne de U La même suite d’opérations donne : l31 u13 + l32 u23 + l33 = a33 l41 u13 + l42 u23 + l43 = a43 ce qui permet d’obtenir la troisième colonne de L : l33 = a33 − l31 u13 − l32 u23 l43 = a43 − l41 u13 − l42 u23 6. Produit de la troisième ligne de L par la quatrième colonne de U On voit que : l31 u14 + l32 u24 + l33 u34 = a34 ce qui permet d’obtenir : u34 =

a34 − l31 u14 − l32 u24 l33

7. Produit de la quatrième ligne de L par la quatrième colonne de U On obtient : l41 u14 + l42 u24 + l43 u34 + l44 = a44 Le dernier coefficient recherché est donc : l44 = a44 − l41 u14 − l42 u24 − l43 u34 De façon générale, on a l’algorithme suivant. Algorithme 3.31 : Décomposition de Crout 1. Décomposition LU (sans permutation de lignes) – Première colonne de L : li1 = ai1 pour i = 1, 2, · · · , n a1i pour i = 2, 3, · · · , n – Première ligne de U : u1i = l11 – Pour i = 2, 3, 4, · · · , n − 1 : – Calcul du pivot : lii = aii −

i−1 ∑

lik uki

(3.14)

k=1

– Pour j = i + 1, i + 2, · · · , n : – Calcul de la ie colonne de L : lji = aji −

i−1 ∑ k=1

ljk uki

(3.15)

112

Chapitre 3 – Calcul de la ie ligne de U : aij −

i−1 ∑

lik ukj

k=1

uij =

lii

– Calcul de lnn : lnn = ann −

n−1 ∑

lnk ukn

(3.16)

(3.17)

k=1

2. Descente et remontée triangulaires – Descente triangulaire pour résoudre L⃗y = ⃗b : – y1 =

b1 l11

– Pour i = 2, 3, 4, · · · , n : bi − yi =

i−1 ∑

lik yk

k=1

(3.18)

lii

– Remontée triangulaire pour résoudre U⃗x = ⃗y (uii = 1) : – xn = yn – Pour i = n − 1, n − 2, · · · 2, 1 : xi = yi −

n ∑

uik xk

(3.19)

k=i+1

N Remarque 3.32 L’algorithme précédent ne fonctionne que si les pivots lii sont tous non nuls. Ce n’est pas toujours le cas et il est possible qu’il faille permuter deux lignes pour éviter cette situation, tout comme pour l’élimination de Gauss. Le coefficient lii est encore appelé pivot. Nous abordons un peu plus loin les techniques de recherche du meilleur pivot.  Remarque 3.33 Une fois utilisés, les coefficients de la matrice A ne servent plus à rien. Ils peuvent donc être détruits au fur et à mesure que la décomposition progresse. De fait, on peut les remplacer par les valeurs de lij ou uij selon le cas. C’est ce que l’on nomme la notation compacte. La notation compacte évite de garder inutilement en mémoire des matrices de grande taille. 

Systèmes d’équations algébriques Définition 3.34 La notation compacte de la décomposition  l11 u12 u13  l21 l22 u23  l l32 l33 31 l41 l42 l43

113

LU est la matrice de coefficients :  u14 u24  (3.20) u34  l44

dans le cas d’une matrice de dimension 4 sur 4. La matrice initiale A est tout simplement détruite. Les coefficients 1 sur la diagonale de la matrice U ne sont pas indiqués explicitement, mais doivent tout de même être pris en compte. De façon plus rigoureuse, la notation compacte revient à mettre en mémoire la matrice : L+U −I et à détruire la matrice A.

Exemple 3.35 Soit le système :



    3 −1 2 x1 12  1 2 3   x2  =  11  2 −2 −1 x3 2

que l’on doit décomposer en un produit LU . Pour illustrer la notation compacte, on remplace au fur et à mesure les coefficients aij par les coefficients lij ou uij ; les cases soulignent que l’élément aij correspondant a été détruit. 1. Première colonne de L C’est tout simplement la première colonne de A : 

3  1 2

 −1 2 2 3  −2 −1

2. Première ligne de U Le pivot de la première ligne est 3. On divise donc la première ligne de A par 3 :   2 3 − 13 3    1 2 3  2 −2 −1 3. Deuxième colonne de L De la relation 3.15, on tire : l22 = a22 − l21 u12 = 2 − (1)(− 13 )

=

7 3

l32 = a32 − l31 u12 = −2 − (2)(− 13 ) = − 43

114

Chapitre 3 

On a maintenant :

3

   1  2

− 13



2 3

  3   −1

7 3 − 43

4. Deuxième ligne de U De la relation 3.16, on tire : u23 =

a23 − l21 u13 l22

La matrice compacte devient :  3    1  2

3 − (1)( 23 )

=

− 13 7 3 − 43

7 3

= 1



2 3

  1   −1

5. Calcul de l33 D’après la relation 3.17, on a : l33 = a33 − l31 u13 − l32 u23 = −1 − (2)( 23 ) − (− 34 )(1) = −1 La matrice compacte est donc :  3 − 13   7  1 3  4 2 −3



2 3

  1   −1

La matrice de départ A (maintenant détruite) vérifie nécessairement :    3 0 0 1 − 13 23 7 0  0 A= 1 1 1  3 0 0 1 2 − 43 −1 6. Résolution de L⃗y = ⃗b La descente triangulaire donne : y1 =

b1 l11

=

y2 =

b2 − l21 y1 l22

=

y3 =

b3 − l31 y1 − l32 y2 l33

=

12 3

= 4

11 − (1)(4) 7 3

2 − (2)(4) − (− 34 )(3) (−1)

= 3

= 2

Systèmes d’équations algébriques

115

7. Résolution de U⃗x = ⃗y x3 = y3

= 2

x2 = y2 − u23 x3

= 3 − (1)(2)

= 1

x1 = y1 − u12 x2 − u13 x3 = 4 − (− 31 )(1) − ( 23 )(2) = 3 La solution recherchée est donc ⃗x =

3.5.3

[

3 1 2

]T

.

Décomposition LU et permutation de lignes

Comme nous l’avons déjà remarqué, l’algorithme de décomposition LU exige que les pivots lii soient non nuls. Dans le cas contraire, il faut essayer de permuter deux lignes. Contrairement à la méthode d’élimination de Gauss, la décomposition LU n’utilise le terme de droite ⃗b qu’à la toute fin, au moment de la descente triangulaire L⃗y = ⃗b. Si l’on permute des lignes, on doit en garder la trace de façon à effectuer les mêmes permutations sur ⃗b. À cette fin, ⃗ dit de permutation qui contient tout simplement la on introduit un vecteur O numérotation des équations. Remarque 3.36 Dans une décomposition LU , la permutation de lignes s’effectue toujours après le calcul de chaque colonne de L. On place en position de pivot le plus grand terme en valeur absolue de cette colonne (sous le pivot actuel), pour des raisons de précision que nous verrons plus loin.  Illustrons cela par un exemple. Exemple 3.37 Soit :

   1 0 2 1 ⃗ = 2   1 0 0  O 3 3 0 1 

⃗ indique que la numérotation des équations n’a pas Au départ, le vecteur O encore été modifiée. 1. Première colonne de L Puisqu’il s’agit de la première  0 2  1 0 3 0

colonne de A, on a :    1 1 ⃗   O= 2  0 3 1

Le vecteur de permutation n’a pas été modifié, mais on a un pivot nul. On effectue alors l’opération (⃗l1 ↔ ⃗l3 ). On aurait tout aussi bien pu

116

Chapitre 3 permuter la ligne 1 et la ligne 2, mais on choisit immédiatement le plus grand pivot possible (en valeur absolue). Le vecteur de permutation est alors modifié :     3 0 1 3 ⃗ = 2   1 0 0  O 1 0 2 1

2. Première ligne de U Il suffit de diviser cette ligne par le nouveau pivot 3 :     1 3 0 3 3   ⃗    1 0 0  O= 2 1 0 2 1 3. Deuxième colonne de L De la relation 3.15, on tire : l22 = a22 − l21 u12 = 0 − (1)(0) = 0 l32 = a32 − l31 u12 = 2 − (0)(0) = 2 On a maintenant : 

3

  1 0

0



 3  ⃗   0  O= 2 1 1

1 3

0 2



et encore un pivot nul, qui oblige à intervertir les lignes 2 et 3 et à modifier ⃗ en conséquence (⃗l2 ↔ ⃗l3 ) : O 

3

  0 1

0



  3  ⃗   1 O =  1 2 0

1 3

2 0

4. Calcul de u23 La relation 3.16 mène à : u23 =

a23 − l21 u13 l22

et la matrice compacte devient :  3 0   2  0 1

0

=

1 3 1 2

0



1 − (0)( 13 ) 2

  3  ⃗ = 1   O  2

=

1 2

Systèmes d’équations algébriques

117

5. Calcul de l33 On calcule enfin : 1 1 1 l33 = a33 − l31 u13 − l32 u23 = 0 − (1)( ) − (0)( ) = − 3 2 3 La décomposition LU de la matrice  1 3 0 3   1 2  0 2  1 0 − 13

A est donc     ⃗   O= 

:

Il faut toutefois remarquer que le produit LU donne     3 0 0 1 0 13 3  0 2 0   0 1 12  =  0 1 1 0 − 13 0 0 1

:

 3 1  2

 0 1 2 1  0 0

⃗ On veut maintenant c’est-à-dire la matrice A permutée suivant le vecteur O. résoudre :   5 A⃗x =  −1  −2 ⃗ on résout d’abord : Compte tenu du vecteur O,   −2 L⃗y =  5  −1 À noter l’ordre des valeurs dans le membre de droite. La descente triangulaire ]T [ (laissée en exercice) donne ⃗y = − 32 25 1 . Il suffit maintenant d’effectuer la remontée triangulaire :   2 −  3        5 U⃗x =    2    1 qui nous donne la solution finale ⃗x =

[

−1 2 1

]T

.

Remarque 3.38 Le déterminant de la matrice A de l’exemple précédent est donné par : [ ( )] 1 dét A = (−1)(−1) (3)(2) − = −2 3

118

Chapitre 3

Comme on a permuté deux lignes deux fois, le déterminant a changé de signe deux fois.  Cela nous amène au théorème suivant. Théorème 3.39 On peut calculer le déterminant d’une matrice A à l’aide de la méthode de décomposition LU de Crout de la façon suivante : dét A = (−1)N

n ∏

lii

(3.21)

i=1

où N est le nombre de fois où on a interverti deux lignes. ⋆ Remarque 3.40 Nous venons en fait de montrer que toute matrice inversible A peut être décomposée sous la forme : P A = LU où P est une matrice de permutation. Pour obtenir la matrice P , il suffit de réordonner les lignes de la matrice identité suivant le vecteur de permutation ⃗ Ainsi dans l’exemple précédent, on avait : O.       3 0 0 1 0 13 0 0 1 0 2 1  1 0 0  1 0 0  =  0 2 0   0 1 12  0 1 0 3 0 1 1 0 − 13 0 0 1  Nous avons mentionné que la décomposition LU est une méthode directe, c’est-à-dire que l’on peut prévoir le nombre exact d’opérations arithmétiques nécessaires pour résoudre un système d’équations. On a de fait le résultat suivant (voir Burden et Faires, réf. [5]). Théorème 3.41 Une décomposition LU pour la résolution d’un système linéaire de dimension 3 3 2 +n n sur n requiert exactement n 3−n multiplications/divisions et 2n −3n addi6 tions/soustractions à l’étape de décomposition en un produit LU . De plus, les remontée et descente triangulaires nécessitent n2 multiplications/divisions et (n2 − n) additions/soustractions, pour un total de : n3 + 3n2 − n multiplications/divisions 3 et : ⋆

2n3 + 3n2 − 5n additions/soustractions 6

Systèmes d’équations algébriques

119

Du point de vue informatique, une multiplication (ou une division) est une opération plus coûteuse qu’une simple addition (ou soustraction). C’est donc principalement le nombre de multiplications/divisions qui est important. De plus, on note que si n est grand, le nombre total de multiplications/divisions 3 est de l’ordre de n3 , en négligeant les puissances de n inférieures à 3. Enfin, et cela est très important, la décomposition de la matrice A en un 3 produit LU coûte beaucoup plus cher (≃ n3 multiplications/divisions) que les remontée et descente triangulaires (≃ n2 multiplications/divisions). Le gros du travail se trouve donc dans la décomposition elle-même.

3.5.4

Factorisation de Choleski

Dans le cas où la matrice est symétrique, on peut diminuer l’espace mémoire nécessaire à la résolution d’un système linéaire. Dans un premier temps, la matrice étant symétrique, on peut se limiter à ne mettre en mémoire que la moitié inférieure de la matrice plus sa diagonale principale. On peut ensuite recourir à la factorisation de Choleski 2 qui consiste à décomposer A sous la forme LLt où L est encore ici une matrice triangulaire inférieure. La matrice triangulaire supérieure U de la décomposition LU est ainsi remplacée par la matrice transposée de L, réduisant ainsi l’espace mémoire nécessaire. Si on souhaite résoudre un système linéaire, on procède encore ici en deux étapes. On résout d’abord le système triangulaire inférieur L⃗y = ⃗b et ensuite le système triangulaire supérieur LT ⃗x = ⃗y . On refait donc le même raisonnement qui nous a mené à la décomposition LU générale mais cette fois en considérant une matrice A symétrique :      a11 a21 a31 l11 0 0 l11 l21 l31  a21 a22 a32  =  l21 l22 0   0 l22 l32  a31 a32 a33 l31 l32 l33 0 0 l33 En faisant le produit, on trouve facilement : 2 a11 = l11 et donc l11 =



a11

de même que : a21 = l21 l11 et a31 = l31 l11 d’où : l21 = a21 /l11 et l31 = a31 /l11 qui complète le calcul de la première colonne de L. Notons que le pivot l11 doit être non nul. On poursuit avec le calcul de la deuxième colonne : 2 + l2 a22 = l21 22 a32 = l31 l21 + l32 l22



d’où : l22 = l32 =

2 a22 − l21 a32 − l31 l21 l22

2. André-Louis Choleski (1875-1918), était mathématicien et officier de l’armée française. Il est mort au combat à la fin de la première guerre mondiale.

120

Chapitre 3

Enfin : a33 =

2 l31

+

2 l32

+

2 l33

qui entraîne que l33

√ 2 − l2 = a33 − l31 32

Dans le cas général, on obtient donc l’algorithme : Algorithme 3.42 : Factorisation de Choleski √ – Premier pivot : l11 = a11 ; – Première colonne : pour i allant de 2 à n : li1 = ai1 /l11 ; – Pour k allant de 2 à n : v u k−1 ∑ u 2 t – Terme diagonal (pivot) : lkk = akk − lkj j=1

aik − – Reste de la colonne : lik = N

k−1 ∑

lij lkj

j=1

lkk

, pour i allant de k + 1 à n

Remarque 3.43 On note que la moitié supérieure de la matrice A n’est jamais utilisée et par conséquent, elle n’est pas mise en mémoire inutilement. On sauve ainsi près de la moitié l’espace mémoire par rapport à une matrice non symétrique. Tout comme nous l’avons fait pour la décomposition LU , on peut remplacer, au fur et à mesure que les calculs progressent, les éléments utilisés de la matrice A par l’élément correspondant de L .  Remarque 3.44 La factorisation de Choleski n’est pas unique. On a par exemple A = LLT = (−L)(−L)T qui sont deux factorisations différentes. On peut s’assurer de l’unicité en imposant lii > 0, ce qui revient au choix naturel de prendre la valeur positive de la racine carrée lors du calcul de lii . Notons enfin que le déterminant de A est donné par : dét A = dét L dét LT = (dét L)2 =

n ∏ i=1



Exemple 3.45 Considérons la matrice symétrique : 

 4 ∗ ∗ A =  6 10 ∗  2 5 14

2 lii

Systèmes d’équations algébriques

121

On a remplacé la partie supérieure de la matrice par des « ∗ » simplement pour indiquer que cette partie de la matrice n’est pas mise en mémoire et ne servira aucunement dans les calculs. En suivant l’algorithme précédent : √ √ l11 = a11 = 4 = 2, l21 = a21 /l11 = 3, l31 = a31 /l11 = 1 Sous forme compacte, on a : 

2  3 1

 ∗ ∗ 10 ∗  5 14

Pour la deuxième colonne : √ √ a32 − l31 l21 5 − (1)(3) 2 = l22 = a22 − l21 10 − 32 = 1, l32 = = =2 l22 1 ce qui donne la forme compacte : 

2  3 1



Enfin : l33 =

 ∗ ∗ 1 ∗  2 14

2 − l2 = a33 − l31 32



14 − (1)2 − (2)2 = 3

et on a la factorisation sous forme compacte :   2 ∗ ∗  3 1 ∗  1 2 3 qui revient à écrire : 

    4 6 2 2 0 0 2 3 1 A =  6 10 5  =  3 1 0   0 1 2  2 5 14 1 2 3 0 0 3

 On ne peut malheureusement pas appliquer la factorisation de Choleski à toutes les matrices symétriques et pour s’en convaincre, il suffit de considérer la matrice : [ ] −1 2 A= 2 6 L’algorithme s’arrête dès la toute première étape puisque a11 est négatif et que l’on ne peut en extraire la racine carrée. Les matrices symétriques pour lesquelles la factorisation de Choleski peut être menée à terme sont dites définies positives.

122

Chapitre 3

Définition 3.46 Une matrice symétrique est dite définie positive si : A⃗x · ⃗x > 0 ∀⃗x ̸= 0 Une matrice est donc définie positive si le produit scalaire de tout vecteur ⃗x avec A⃗x est strictement positif. On peut caractériser les matrices définies positives de bien des façons différentes et équivalentes. Théorème 3.47 Les énoncés suivants sont équivalents : 1. 2. 3. 4.

A est une matrice symétrique et définie positive ; Toutes les valeurs propres de A sont réelles et strictement positives ; Le déterminant des sous-matrices principales de A est strictement positif ; Il existe une factorisation de Choleski A = LLT .

⋆ Démonstration : voir Strang [34]. Nous reviendrons au chapitre 4 sur les valeurs propres. Rappelons également que les sous-matrices principales sont les n matrices : [

a11

]

[ ,

a11 a12 a21 a22

]



a11 a12 a13 ,  a21 a22 a23 a31 a32 a33

 a11 a12 · · · a1n  a21 a22 · · · a2n  ··· . .. ..  ..  .. . . .  an1 an2 · · · ann 



dont les déterminants doivent toujours être positifs. Dans l’exemple précédent, le déterminant de la première matrice principale de dimension 1 sur 1 est négatif et par conséquent, cette matrice n’est pas définie positive. Par contre, dans l’exemple de la page 120, les déterminants des trois sous-matrices principales sont respectivement 4, 4 et 36, tous positifs ! Les critères du théorème sont difficiles à vérifier au préalable et il semble bien que la meilleure façon de s’assurer qu’une matrice est définie positive est d’y appliquer l’algorithme de factorisation de Choleski. Le serpent se mord donc la queue puisque nous souhaiterions savoir à l’avance si notre algorithme s’applique. Dans le cas d’une matrice symétrique non définie positive, on doit recourir à la factorisation LU classique.

3.5.5

Les systèmes tridiagonaux

Dans plusieurs applications telles les méthodes de différences finies (voir la section 7.10) et le calcul des splines cubiques (voir la section 5.6), les matrices obtenues ont une forme très simple qui réduit sensiblement les calculs et l’espace-mémoire requis. Ces applications mènent en effet à des matrices dites tridiagonales.

Systèmes d’équations algébriques

123

Définition 3.48 Une matrice est dite tridiagonale si ses seuls termes non nuls sont situés sur la diagonale principale et les deux diagonales adjacentes. Tous les autres termes sont alors nuls et elle prend la forme :     a11 a12 0 ··· 0 D1 S1 0 ··· 0 .. ..     . .  a21 a22 a23   I1 D2 S2 0 0      .. ..   ou encore   . . 0 a a 0 0 I D 0     32 33 2 3  .    .. .. .. .. .. .. ..  ..   . . . . . . Sn−1  an−1 n . 0 0 0 an n−1 an n 0 0 0 In−1 Dn

En pratique, les trois diagonales sont mises en mémoire sous la forme des ⃗ (diagonale principale), I⃗ (diagonale inférieure) et S ⃗ (diagonale trois vecteurs D supérieure), auxquels on ajoute le terme de droite ⃗b pour la résolution de A⃗x = ⃗b. Tout cela ne requiert que 4n − 2 nombres réels. C’est encore mieux si la matrice tridiagonale est aussi symétrique et dans ce cas, l’espace mémoire requis est 3n − 1 nombres réels. Les systèmes tridiagonaux sont particulièrement faciles à résoudre puisque la décomposition LU se réduit dans ce cas à peu d’opérations. On se réfère donc à la factorisation de Crout qui prendra la forme suivante : 

    a11 a12 0 l11 0 0 1 u12 0  a21 a22 a22  =  l21 l22 0   0 1 u23  0 a32 a33 0 l32 l33 0 0 1 La première colonne de L est encore ici la première colonne de A. On procède ensuite en alternant entre les lignes de U et les colonnes de L. Il faut voir qu’une ligne de U se réduit au calcul d’un seul terme tandis qu’une colonne de L nécessite le calcul du pivot et d’un seul autre terme. Il suffit d’utiliser une fois de plus les formules 3.14 à 3.17, en constatant qu’elles se réduisent drastiquement. Nous indiquerons entre parenthèses la traduction informatique de l’expression qui réapparaîtra plus loin dans l’algorithme. Une colonne de L étant complétée, la ligne de U se réduit à : ai−1 i −

i−2 ∑

li−1 k uk i

k=1

ui−1 i =

li−1 i−1

=

(

ai−1 i li−1 i−1

Si−1

Si−1 ← Di−1

)

On passe ensuite au pivot : lii = aii −

i−1 ∑ k=1

lik uki = aii − li i−1 ui−1 i

(Di ← Di − Ii−1 Si−1 )

124

Chapitre 3

et à la colonne de L réduite à un seul terme : li+1 i = ai+1 i −

i−1 ∑

ljk uki = ai+1 i

k=1

La diagonale inférieure de A n’est donc pas modifiée par la factorisation. La résolution de L⃗y = ⃗b commence par y1 = b1 /l11 (y1 = b1 /D1 ) et par la suite : bi − yi =

i−1 ∑

lik yk

k=1

lii

=

bi − li i−1 yi−1 lii

(yi ← (bi − Ii−1 yi−1 )/Di )

On constate que cette descente triangulaire peut être effectuée immédiatement après le calcul des colonnes de L. Enfin, la remontée débute par xn = yn et se poursuit par : xi = yi −

n ∑

uik xk = yi − ui i+1 xi+1

(xi ← (yi − Si xi+1 )/Di )

k=i+1 R Tout cela se résume dans l’algorithme suivant (écrit en langage Matlab⃝). Un effort supplémentaire a été apporté pour éviter de créer des vecteurs inutiles et ainsi encombrer plus de mémoire que nécessaire.

y(1) = b(1)/D(1); for i=2:n % Factorisation de la matrice tridiagonale % Ligne de U S(i-1) = S(i-1)/D(i-1); % Pivot D(i) = D(i) - I(i-1)*S(i-1); % Descente triangulaire y(i) = (b(i)-I(i-1)*y(i-1))/D(i); end % Remontée triangulaire x(n) = y(n); for i=n-1:-1:1 x(i) = y(i) - S(i)*x(i+1); end Notons que l’on pourrait éviter complètement la création du vecteur ⃗y , que l’on a laissé pour plus de lisibilité.

3.6

Calcul de la matrice inverse A−1

Le calcul de la matrice inverse A−1 est rarement nécessaire. En effet, il est inutile de calculer A−1 pour résoudre un système linéaire. Nous avons vu

Systèmes d’équations algébriques

125

dans les sections précédentes comment parvenir à une solution sans jamais faire intervenir A−1 . Cependant, si pour une raison ou une autre on souhaite calculer cet inverse, il est important de suivre le bon cheminement afin d’éviter des calculs longs et parfois inutiles. Nous avons indiqué que la solution du système linéaire 3.2 est donnée par : ⃗x = A−1⃗b Si l’on veut déterminer la matrice inverse, il suffit de remarquer que le produit d’une matrice par le vecteur ⃗ei dont toutes les composantes sont nulles, sauf la ie qui vaut 1, donne la ie colonne de la matrice A. L’exemple suivant en fait la démonstration. Exemple 3.49 Le produit de la matrice A suivante par le vecteur ⃗e3 donne :      1 2 3 0 3  4 5 6  0  =  6  7 8 9 1 9 qui est bien la troisième colonne de la matrice A de départ.  Si l’on applique ce raisonnement à la matrice A−1 , on constate qu’après avoir noté ⃗ci , la ie colonne de A−1 , on a : ⃗ci = A−1⃗ei ou de façon équivalente A⃗ci = ⃗ei

(3.22)

La résolution de la relation 3.22 donne la ie colonne de A−1 . On peut donc affirmer que le calcul de la matrice A−1 est équivalent à la résolution de n systèmes linéaires (un par colonne de A−1 ). Remarque 3.50 Puisque le calcul de A−1 est équivalent à la résolution de n systèmes linéaires, il est clair qu’il ne faut jamais calculer A−1 pour résoudre un système linéaire. Il vaut mieux utiliser directement une décomposition LU sans passer par l’inverse.  Remarque 3.51 Si l’on veut quand même calculer A−1 , il faut effectuer d’abord la décom3 position LU de A une seule fois (≃ n3 multiplications/divisions), puis n remontées et descentes triangulaires ( ≃ n × n2 = n3 multiplications/divisions), 3 pour un total approximatif de 4n3 multiplications/divisions. Ces évaluations 3 montrent bien que le calcul d’un inverse est beaucoup plus coûteux (≃ 4n3 3 multiplications/divisions) que la résolution d’un système linéaire (≃ n3 multiplications/divisions). Le tableau suivant indique le nombre approximatif de multiplications et de divisions nécessaires pour résoudre un système linéaire A⃗x = ⃗b et pour calculer l’inverse de la matrice A, pour différentes valeurs de n.

126

Chapitre 3 Calcul du nombre d’opérations Résolution de A⃗x = ⃗b Calcul deA−1

n

(≃ 10 100 1000

n3 3

mult./div.) 333 333 333 333 333 333

(≃

4n3 3

mult./div.) 1 333 1 333 333 1 333 333 333

Ainsi, le calcul de l’inverse d’une matrice de dimension 1000 sur 1000 nécessite à peu près un milliard de multiplications/divisions de plus que la résolution d’un système linéaire de même dimension. 

Exemple 3.52 On doit calculer l’inverse de la matrice :   0 2 1  1 0 0  3 0 1 dont nous avons déjà obtenu la décomposition LU :  3 0 0 1 0  0 2 0  0 1 1 0 − 13 0 0 

 3 ⃗ = 1   O 2 1 1 3 1 2





⃗ Pour obtenir la On a recours encore une fois au vecteur de permutation O. matrice inverse de A, on doit résoudre les trois systèmes linéaires suivants : A⃗c1 = ⃗e1

A⃗c2 = ⃗e2

A⃗c3 = ⃗e3

dont le résultat nous donne les trois colonnes de la matrice A−1 . Le premier système est résolu d’abord par la descente triangulaire :     3 0 0 y1 0  0 2 0   y2  =  1  y3 0 1 0 − 13 

Il faut prendre garde ici au membre de droite. Il s’agit bien du vecteur ⃗e1 = [ ]T [ ] ⃗ = 3 1 2 T pour tenir 1 0 0 , mais ordonné suivant le vecteur O compte des lignes qui ont été permutées lors de la décomposition LU . La réso]T [ lution conduit à ⃗y = 0 21 0 . Il reste à effectuer la remontée triangulaire : 

1 0  0 1 0 0

   0 x1   x2  =  1  2 x3 0 1 1 3 1 2



Systèmes d’équations algébriques [

127

]T

représente la première colonne de A−1 . Le deuxième dont le résultat 0 21 0 système exige dans un premier temps la résolution de :      3 0 0 0 y1  0 2 0   y2  =  0  y3 1 1 0 − 13 (à surveiller l’ordre des composantes du vecteur ⃗e2 à droite), dont la solution [ ]T est ⃗y = 0 0 −3 . Par la suite :      1 0 13 x1 0  0 1 1   x2  =  0  2 −3 x3 0 0 1 qui donne la deuxième colonne de A−1 , soit ⃗c2 =

[

1

3 2

raisonnement similaire détermine la troisième colonne ⃗c3 = matrice inverse est donc :   0 1 0 3 1  A−1 =  12 2 −2 0 −3 1

[

−3 0

]T

. Enfin, un ]T 1 . La

− 12



3.7

Effets de l’arithmétique flottante

Jusqu’ici, nous n’avons utilisé que l’arithmétique exacte. Il est grandement temps de regarder si l’arithmétique flottante utilisée par les ordinateurs a une influence quelconque sur les résultats. Il est probable que oui. En fait, nous allons voir que certaines matrices sont très sensibles aux effets de l’arithmétique flottante et d’autres, très peu. Dans le cas de matrices sensibles, nous parlerons de matrices mal conditionnées. Remarque 3.53 En arithmétique flottante à m chiffres dans la mantisse, on doit effectuer chaque opération arithmétique en représentant les opérandes en notation flottante et en arrondissant le résultat de l’opération au me chiffre de la mantisse (voir la section 1.5). 

Exemple 3.54 On doit effectuer la décomposition LU en arithmétique flottante à 4 chiffres de la matrice suivante :   1,012 −2,132 3,104  −2,132 4,096 −7,013  3,104 −7,013 0,014

128

Chapitre 3

Les opérations sont résumées ci-dessous : l11 u12

u13

= 1,012 l21 = −2,132 ( ) −2,132 = fl = −2,107 1,012 ) ( 3,104 = 3,067 = fl 1,012

l31 = 3,104

l22

= fl(4,096 − fl[(−2,132)(−2,107)]) = fl(4,096 − 4,492) = −0,3960

l32

= fl(−7,013 − fl[(3,104)(−2,107)]) = fl(−7,013 + 6,540) = −0,4730 ( ) −7,013 − fl[(−2,132)(3,067)] = fl −0,3960 ) ( −7,013 + 6,539 = 1,197 = fl −0,3960

u23

l33

= fl(0,0140 − fl[(3,104)(3,067)] − fl[(−0,4730)(1,197)]) = fl(0,0140 − 9,520 + 0,5662) = −8,940

On a donc : 

  1,012 0 0 1 −2,107 3,067 0  0 1 1,197  LU =  −2,132 −0,3960 3,104 −0,4730 −8,940 0 0 1  Les exemples suivants montrent comment l’arithmétique flottante peut affecter sensiblement la précision de la résolution d’un système linéaire. Nous discutons également des moyens d’en diminuer les effets. Exemple 3.55 Soit le système :

[

1 2 1,1 2

dont la solution exacte est ⃗x =

][ [

x1 x2

4 3

]

[ =

]T

10 10,4

]

. Si l’on remplace le terme 1,1 de [ ]T la matrice par 1,05, la nouvelle solution exacte devient ⃗x = 8 1 . Cet exemple démontre qu’une petite modification sur un terme de la matrice peut entraîner une grande modification de la solution exacte. En pratique, l’arithmétique flottante provoque inévitablement de petites modifications de chaque terme de la matrice et de sa décomposition LU . Il est alors tout à fait possible que ces petites erreurs aient d’importantes répercussions sur la solution et, donc, que les résultats numériques soient très éloignés de la solution exacte. 

Systèmes d’équations algébriques

129

Exemple 3.56 Considérons le système : [ ][ ] [ ] 0,0003 3,0000 x1 2,0001 = 1,0000 1,0000 x2 1,0000 [ ]T dont la solution exacte est ⃗x = 31 23 . Il s’agit maintenant d’effectuer la décomposition LU en arithmétique flottante à 4 chiffres. On remarque que le système devient en notation flottante à 4 chiffres : ] [ ] [ ][ 0,2000 × 101 0,3000 × 10−3 0,3000 × 101 x1 = x2 0,1000 × 101 0,1000 × 101 0,1000 × 101 et que le 1 de 2,0001 disparaît. La décomposition LU donne dans ce cas : [ ][ ] 0,3000 × 10−3 0 0,1000 × 101 0,1000 × 105 LU = 0,1000 × 101 −0,9999 × 104 0 0,1000 × 101 Le terme u12 est très grand puisque le pivot 0,0003 est presque nul. La descente triangulaire donne alors : ( ) 0,2000 × 101 y1 = fl = 0,6667 × 104 0,3000 × 10−3 et :

( ) 1 − 6667 y2 = fl = 0,6667 −9999

Puis la remontée triangulaire donne : x2 = 0,6667 et : x1 = 6667 − (10 000)(0,6667) = 0 [ ]T Si l’on compare ce résultat avec la solution exacte 13 23 , on constate une variation importante de la valeur de x1 . On imagine aisément ce qui peut se produire avec un système de plus grande taille. Mais comment peut-on limiter les dégâts ? Une première possibilité consiste à utiliser plus de chiffres dans la mantisse, mais cela n’est pas toujours possible. Si l’on passe en revue les calculs précédents, on en vient rapidement à soupçonner que la source des ennuis est la division par un pivot presque nul. On sait qu’une telle opération est dangereuse numériquement. Une solution de rechange consiste donc à permuter les lignes même si le pivot n’est pas parfaitement nul. Dans notre exemple, on aura : ] [ ] [ ][ 1,0000 1,0000 1,0000 x1 = x2 2,0001 0,0003 3,0000

130

Chapitre 3

Cette fois, la décomposition LU (toujours à 4 chiffres) donne : [ ][ ] 0,1000 × 101 0,000 1,000 1,000 LU = 0,000 1,000 0,3000 × 10−3 3,000 car : l22 = fl[3 − fl[(1)(0,3000 × 10−3 )]] = fl[3 − 0,3000 × 10−3 ] = 3 [ ]T La descente triangulaire donne ⃗y = 1,000 0,6666 et la remontée nous [ ]T donne la solution ⃗x = 0,3333 0,6667 , qui est très près de la solution exacte.  Remarque 3.57 Une excellente stratégie de recherche du pivot consiste, une fois la ie colonne de L calculée, à placer en position de pivot le plus grand terme en valeur absolue de cette colonne. Cette recherche ne tient compte que des lignes situées sous le pivot actuel. 

Exemple 3.58 Cet exemple illustre comment effectuer une permutation de façon systématique. Seules les grandes étapes de la décomposition sont indiquées, les calculs étant laissés en exercice. Les coefficients de la matrice sont détruits au fur et à mesure que les calculs progressent et sont remplacés par lij ou uij . Considérons donc la matrice :     1 1 6 9 ⃗ = 2   2 1 2  O 3 3 6 9 La première colonne de L étant  1  2 3

la première colonne de A, on a :    6 9 1 ⃗ = 2  1 2  O 3 6 9

On peut alors permuter la ligne 3 et la ligne 1 de manière à placer en position de pivot le plus grand terme de la première colonne de L. On a maintenant :     3 6 9 3 ⃗ = 2   2 1 2  O 1 1 6 9 On calcule la première ligne de  3  2 1

U : 2 1 6

   3 3 ⃗   2  O = 2 1 9

Systèmes d’équations algébriques

131

La deuxième colonne de L devient alors :     3 2 3 3 ⃗  2   2  O = −3 2 1 1 4 9 On voit qu’il faut maintenant permuter les deux dernières lignes pour amener en position de pivot le plus grand terme de la colonne, qui est 4. 

3  1 2

2 4 −3

   3 3 ⃗ = 1  9  O 2 2

En continuant ainsi, on trouve la décomposition LU sous forme compacte :     3 2 3 3   3 4 ⃗  1   1  O = 2   2 1 2 −3 2  La stratégie de recherche du pivot améliore souvent la précision des résultats, mais cette opération n’est pas toujours suffisante. L’exemple qui suit montre comment la mise à l’échelle peut également contribuer à la qualité des résultats. Exemple 3.59 Soit le système suivant : [ ][ ] [ ] 2,0000 100 000 x1 100 000 = 1,0000 1,0000 x2 2,0000 [ ]T dont la solution exacte est 1,00002 0,99998 . Nul besoin ici de rechercher un plus grand pivot. La décomposition LU (en arithmétique flottante à 4 chiffres) donne : [ ][ ] 2 0 1 50 000 LU = 1 −50 000 0 1 [ ]T La descente triangulaire conduit à ⃗y = 50 000 1 et la remontée trian[ ]T gulaire, à ⃗x = 0 1 . Ici encore, l’erreur est considérable par rapport à la solution exacte. Cet écart est dû au fait que la matrice A est constituée de termes d’ordres de grandeur très différents. Par exemple, quand on calcule le terme l22 , on doit effectuer en arithmétique flottante à 4 chiffres : 1 − (1)(50 000) = −50 000

132

Chapitre 3

On a donc effectué une autre opération dangereuse, à savoir soustraire (ou additionner) des termes dont les ordres de grandeur sont très différents. Une solution partielle à ce problème est d’effectuer une mise à l’échelle des coefficients de la matrice.  Définition 3.60 La mise à l’échelle consiste à diviser chaque ligne du système linéaire par le plus grand terme (en valeur absolue) de la ligne correspondante de la matrice A. On ne tient pas compte du terme de droite ⃗b pour déterminer le plus grand terme de chaque ligne. Dans notre exemple, il suffit de diviser la première ligne par 100 000 (le plus grand terme de la deuxième ligne étant 1) et de résoudre : [

0,2000 × 10−4 0,1000 × 101 0,1000 × 10+1 0,1000 × 101

][

x1 x2

]

[ =

0,1000 × 101 0,2000 × 101

]

La recherche d’un nouveau pivot est maintenant nécessaire. On peut montrer que la résolution en arithmétique flottante à 4 chiffres donne la solution [ ]T ⃗x = 0,1000 × 101 0,1000 × 101 , ce qui est beaucoup plus près du résultat exact. Remarque 3.61 La mise à l’échelle utilise la dernière opération élémentaire sur les lignes d’un système linéaire, soit la multiplication d’une ligne par un scalaire.  Remarque 3.62 Lorsqu’on multiplie une ligne par un scalaire, le déterminant de la matrice est multiplié par ce scalaire. Après avoir effectué la décomposition LU , on peut récupérer le déterminant de la matrice A en divisant le produit de la diagonale de L par ce scalaire.  Les exemples précédents montrent clairement que certains systèmes linéaires sont très sensibles aux erreurs dues à l’arithmétique flottante. Dans la prochaine section, nous allons essayer de mesurer cette sensibilité.

3.8

Conditionnement d’une matrice

Cette section traite d’erreur et de mesure d’erreur liée aux systèmes linéaires. Il nous faut tout de suite introduire une métrique permettant de mesurer l’écart entre une solution numérique et une solution exacte. Cela nous amène donc à aborder la notion de norme vectorielle au sens de la définition suivante.

Systèmes d’équations algébriques

133

Définition 3.63 Une norme vectorielle est une application de Rn dans R (R désigne l’ensemble des réels) qui associe à un vecteur ⃗x un scalaire noté ||⃗x|| et qui vérifie les trois propriétés suivantes : 1. La norme d’un vecteur est toujours strictement positive, sauf si le vecteur a toutes ses composantes nulles : ||⃗x|| > 0, sauf si ⃗x = ⃗0

(3.23)

2. Si α est un scalaire, alors : ∥ α⃗x ∥= |α| ||⃗x||

(3.24)

où |α| est la valeur absolue de α. 3. L’inégalité triangulaire est toujours vérifiée entre deux vecteurs ⃗x et ⃗y quelconques : ||⃗x + ⃗y || ≤ ||⃗x|| + ||⃗y || (3.25) Toute application vérifiant ces trois propriétés est une norme vectorielle. La plus connue est sans doute la norme euclidienne. Définition 3.64 La norme euclidienne d’un vecteur ⃗x est notée ||⃗x||2 et est définie par : √ ||⃗x||2 = x21 + x22 + · · · + x2n (3.26)

Théorème 3.65 La norme euclidienne vérifie les trois propriétés d’une norme vectorielle. Démonstration (facultative) : La démonstration de la propriété 3.23 est triviale puisque la racine carrée d’un nombre ne peut s’annuler que si ce nombre est nul. Or, pour que le terme sous la racine carrée soit nul, il faut que toutes les composantes de ⃗x soient nulles. La propriété 3.24 découle de : ||α⃗x||2 =



α2 x21 + α2 x22 + α2 x23 + · · · + α2 x2n √ = |α| x21 + x22 + x23 + · · · + x2n = |α| ||⃗x||2

L’inégalité triangulaire 3.25 est un peu plus difficile à obtenir. Soit ⃗x et ⃗y , deux vecteurs et α, un scalaire. En vertu de la propriété 3.23 déjà démontrée, on a d’abord pour un scalaire α quelconque :

134

Chapitre 3 0 ≤ ||⃗x + α⃗y ||22 ( ) = (x1 + αy1 )2 + (x2 + αy2 )2 + · · · + (xn + αyn )2 ( ) = x21 + x22 + · · · + x2n + 2α (x1 y1 + x2 y2 + · · · + xn yn ) ( ) + α2 y12 + y22 + · · · + yn2 = ||⃗x||22 + 2α(⃗x · ⃗y ) + α2 ||⃗y ||22 = C + Bα + Aα2

c’est-à-dire un polynôme du deuxième degré en α. On aura reconnu dans l’expression précédente le produit scalaire habituel de deux vecteurs, noté (⃗x · ⃗y ). Puisque ce polynôme est toujours positif, et ce, quel que soit α, le discriminant B 2 − 4AC doit vérifier l’inégalité : B 2 − 4AC ≤ 0

(3.27)

Dans le cas contraire, le polynôme aurait deux racines réelles et prendrait des valeurs négatives entre ces racines. En remplaçant les valeurs de A, B et C dans la relation 3.27 et en divisant par 4, on obtient : |⃗x · ⃗y | ≤ ||⃗x||2 ||⃗y ||2

(3.28)

qui est l’inégalité de Cauchy. Cette inégalité permet de démontrer la troisième propriété. En effet, en prenant α = 1 et en utilisant l’inégalité de Cauchy, on a: ||⃗x + ⃗y ||22 = ||⃗x||22 + 2(⃗x · ⃗y ) + ||⃗y ||22 ≤ ||⃗x||22 + 2||⃗x||22 ||⃗y ||2 + ||⃗y ||22 = (||⃗x||2 + ||⃗y ||2 )2 qui est le résultat attendu. ⋆ On peut définir, en plus de la norme euclidienne, plusieurs normes vérifiant les trois propriétés nécessaires. Définition 3.66 La norme l1 est définie par ||⃗x||1 = par ||⃗x||∞ = max |xi |

n ∑

|xi | tandis que la norme l∞ est définie

i=1

1≤i≤n

Exemple 3.67 [ ]T Pour le vecteur ⃗x = 1 −3 −8 , on a : ||⃗x||1

= 1+3+8

= 12

||⃗x||∞ = max(1, 3, 8) = 8 √ √ ||⃗x||2 = 1 + 9 + 64 = 74 

Systèmes d’équations algébriques

135

Puisque nous nous intéressons plus particulièrement aux systèmes linéaires, il importe de pouvoir définir des normes relatives aux matrices. Définition 3.68 Une norme matricielle est une application qui associe à une matrice A un scalaire noté ||A|| vérifiant les quatre propriétés suivantes : 1. La norme d’une matrice est toujours strictement positive, sauf si la matrice a toutes ses composantes nulles : ||A|| > 0, sauf si A = 0

(3.29)

2. Si α est un scalaire, alors : ∥ αA ∥= |α| ||A||

(3.30)

3. L’inégalité triangulaire est toujours vérifiée entre deux matrices A et B quelconques, c’est-à-dire : ||A + B|| ≤ ||A|| + ||B||

(3.31)

4. Une quatrième propriété est nécessaire pour les matrices : ||AB|| ≤ ||A|| ||B||

(3.32)

Toute application qui vérifie ces quatre propriétés est une norme matricielle. On peut aisément construire une norme matricielle à partir d’une norme vectorielle quelconque en posant : ||A|| = sup ||A⃗x||

(3.33)

||⃗ x||=1

et l’on montre que toutes les propriétés d’une norme matricielle sont ainsi vérifiées. Une norme matricielle ainsi construite est dite norme induite par la norme vectorielle. On peut aussi dire que la norme matricielle ainsi construite est subordonnée à la norme vectorielle. Voici quelques exemples. Théorème 3.69 Les normes matricielles induites par les normes vectorielles l1 et l∞ sont respectivement données par : n ∑ ||A||1 = sup ||A⃗x||1 = max |aij | ||⃗ x||1 =1

||A||∞ =

sup ||A⃗x||∞ =

||⃗ x||∞ =1

1≤j≤n

max

1≤i≤n

i=1 n ∑

|aij |

j=1

La norme ||A||1 consiste à sommer (en valeur absolue) chacune des colonnes de A et à choisir la plus grande somme. La norme ||A||∞ fait un travail similaire sur les lignes. ⋆

136

Chapitre 3

Remarque 3.70 On définit la norme de Frobenius par : v u∑ u n 2 ||A||F = t aij i,j=1

On peut montrer que la norme de Frobenius n’est induite par aucune norme vectorielle. Par contre, on peut aussi montrer que la norme matricielle induite par la norme euclidienne est : ( )1 ||A||2 = sup ||A⃗x||2 = ρ(AT A) 2 ||⃗ x||2 =1

où ρ désigne le rayon spectral, c’est-à-dire la plus grande valeur propre (voir la relation 4.18). Bien que fort utile, nous n’utiliserons pas cette norme dans cet ouvrage. 

Exemple 3.71 Soit la matrice :



 1 −2 5  −3 1 −5  1 −9 0

Les différentes normes prennent alors les valeurs suivantes : ||A||1

=

max(5, 12, 10)

=

12

||A||∞ =

max(8, 9, 10)

=

10

||A||F

=



1 + 4 + 25 + 9 + 1 + 25 + 1 + 81 =



147

 Il ne reste qu’un point important à aborder pour avoir un portrait complet de la situation. Nous avons des normes vectorielles et matricielles qui permettent de manipuler des vecteurs et des matrices respectivement. Lorsque l’on s’intéresse aux systèmes linéaires, on doit souvent manipuler des produits de matrices par des vecteurs, d’où l’intérêt de la définition suivante. Définition 3.72 Une norme vectorielle et une norme matricielle sont dites compatibles si la condition : ||A⃗x|| ≤ ||A|| ||⃗x|| (3.34) est valide quels que soient la matrice A et le vecteur ⃗x.

Systèmes d’équations algébriques

137

Les trois normes qui apparaissent dans la relation 3.34 sont respectivement une norme vectorielle (car A⃗x est un vecteur), une norme matricielle et une norme vectorielle. Remarque 3.73 Les normes vectorielles et matricielles ne sont pas toutes compatibles entre elles. Si une norme matricielle est subordonnée à une norme vectorielle, les deux normes sont automatiquement compatibles. On peut ainsi démontrer que : ||⃗x||1

et

||A||1

||⃗x||∞

et

||A||∞

sont compatibles deux à deux. Par contre, ||⃗x||2 et ||A||F sont compatibles, bien que ||A||F ne soit pas subordonnée à la norme vectorielle ||⃗x||2 . 

Exemple 3.74 [ ]T Considérons de nouveau le vecteur ⃗x = 1 −3 −8 et la matrice :   1 −2 5  −3 1 −5  1 −9 0 Le produit A⃗x donne le vecteur ||A⃗x||1 = 95

[

−33 34 28

||A⃗x||∞ = 34

]T

et donc :

et ||A⃗x||2 =



3029

L’inégalité 3.34 devient respectivement : 95 ≤ (12)(12) en norme l1 34 ≤ (10)(8) en norme l∞ √ √ √ √ 3029 ≤ ( 147)( 74) = 10 878 en norme euclidienne  Nous en arrivons au point clé de cette section, qui est le conditionnement d’une matrice. Introduisons d’abord sa définition. Définition 3.75 Le conditionnement d’une matrice (noté condA) est défini par : condA = ||A|| ||A−1 ||

(3.35)

Il s’agit simplement du produit de la norme de A et de la norme de son inverse.

138

Chapitre 3

Remarque 3.76 Le conditionnement dépend de la norme matricielle utilisée. On utilise le plus souvent la norme ||A||∞ .  Il ne reste plus qu’à montrer en quoi le conditionnement d’une matrice est si important pour déterminer la sensibilité d’une matrice aux erreurs d’arrondis et à l’arithmétique flottante. Tout d’abord, on montre que le conditionnement est un nombre supérieur ou égal à 1. En effet, si I désigne la matrice identité (ayant des 1 sur la diagonale et des 0 partout ailleurs), on a : ||A|| = ||AI|| ≤ ||A|| ||I|| en vertu de la relation 3.32. Cela entraîne, après division par ||A|| de chaque côté, que ||I|| ≥ 1, quelle que soit la norme matricielle utilisée. On en conclut que : 1 ≤ ||I|| = ||AA−1 || ≤ ||A|| ||A−1 || et donc que :

1 ≤ condA < ∞

(3.36)

Bornes d’erreurs et conditionnement Considérons le système linéaire : A⃗x = ⃗b et notons ⃗x, la solution exacte et ⃗x∗ , une solution approximative qu’on obtient en utilisant l’arithmétique flottante. Ces deux vecteurs devraient être près l’un de l’autre, c’est-à-dire que la norme de l’erreur : ||⃗e|| = ||⃗x − ⃗x∗ || devrait être petite. Ce n’est pas toujours le cas. Définissons le résidu par : ⃗r = ⃗b − A⃗x∗ On a alors :

(3.37)

⃗r = ⃗b − A⃗x∗ = A⃗x − A⃗x∗ = A(⃗x − ⃗x∗ ) = A⃗e

ce qui signifie que ⃗e = A−1⃗r. Si l’on utilise des normes vectorielles et matricielles compatibles, on a en vertu de la relation 3.34 : ||⃗e|| ≤ ||A−1 || ||⃗r||

(3.38)

De façon analogue, puisque A⃗e = ⃗r : ||⃗r|| ≤ ||A|| ||⃗e|| qui peut s’écrire :

||⃗r|| ≤ ||⃗e|| ||A||

(3.39)

Systèmes d’équations algébriques

139

En regroupant les relations 3.38 et 3.39, on obtient : ||⃗r|| ≤ ||⃗e|| ≤ ||A−1 || ||⃗r|| ||A||

(3.40)

Par ailleurs, en refaisant le même raisonnement avec les égalités A⃗x = ⃗b et ⃗x = A−1⃗b, on trouve : ||⃗b|| ≤ ||⃗x|| ≤ ||A−1 || ||⃗b|| ||A|| Après avoir inversé ces inégalités, on trouve : 1 ||A−1 ||

||⃗b||



1 ||A|| ≤ ||⃗x|| ||⃗b||

(3.41)

En multipliant les inégalités 3.40 et 3.41, on obtient le résultat fondamental suivant. Théorème 3.77 1 ||⃗r|| ||⃗e|| ||⃗r|| ≤ ≤ condA condA ||⃗b|| ||⃗x|| ||⃗b||

(3.42)

⋆ Remarque 3.78 Plusieurs remarques s’imposent pour bien comprendre l’inégalité précédente. 1. Le terme du milieu représente l’erreur relative entre la solution exacte ⃗x et la solution approximative ⃗x∗ . 2. Si le conditionnement de la matrice A est près de 1, l’erreur relative est coincée entre deux valeurs très près l’une de l’autre. Si la norme du résidu est petite, l’erreur relative est également petite et la précision de la solution approximative a toutes les chances d’être satisfaisante. 3. Par contre, si le conditionnement de la matrice A est grand, la valeur de l’erreur relative est quelque part entre 0 et un nombre possiblement très grand. Il est donc à craindre que l’erreur relative soit alors grande, donc que la solution approximative soit de faible précision et même, dans certains cas, complètement fausse. 4. Même si la norme du résidu est petite, il est possible que l’erreur relative liée à la solution approximative soit quand même très grande. 5. Plus le conditionnement de la matrice A est grand, plus on doit être attentif à l’algorithme de résolution utilisé. 6. Il importe de rappeler que, même si une matrice est bien conditionnée, un mauvais algorithme de résolution peut conduire à des résultats erronés.

140

Chapitre 3

7. Les deux inégalités de l’équation 3.42 nous permettent d’obtenir une borne inférieure pour le conditionnement. En isolant, on montre en effet que : ||⃗e|| ||⃗b|| ||⃗x|| ||⃗r|| condA ≥ et condA ≥ ||⃗x|| ||⃗r|| ||⃗e|| ||⃗b|| et donc que :

( condA ≥ max

d’où : condA ≥ max

(

||⃗e|| ||⃗b|| ||⃗x|| ||⃗r|| , ||⃗x|| ||⃗r|| ||⃗e|| ||⃗b||

)

||⃗x − ⃗x∗ || ||⃗b|| ||⃗x|| ||⃗b − A⃗x∗ || , ||⃗x|| ||⃗b − A⃗x∗ || ||⃗x − ⃗x∗ || ||⃗b||

) (3.43)

Cette borne inférieure est valide quel que soit le vecteur ⃗x∗ . Si une matrice est mal conditionnée, on peut essayer de déterminer un vecteur ⃗x∗ pour lequel le terme de droite de l’expression 3.43 sera aussi grand que possible. On peut parfois avoir de cette manière une bonne idée du conditionnement  On peut obtenir une autre inégalité qui illustre le rôle du conditionnement d’une matrice quant à la précision de la solution numérique d’un système linéaire. Soit le système linéaire : A⃗x = ⃗b Lorsque l’on résout un tel système sur ordinateur, où la représentation des nombres n’est pas toujours exacte, on résout en fait : (A + E)⃗x∗ = ⃗b où la matrice E représente une perturbation du système initial, due par exemple aux erreurs de représentation sur ordinateur des coefficients de la matrice A. La matrice E peut également représenter les erreurs de mesure lorsque les coefficients de la matrice A sont obtenus expérimentalement. Nous noterons encore ⃗x∗ , la solution du système perturbé. On a donc la relation : ⃗x = A−1⃗b = A−1 ((A + E)⃗x∗ ) = (I + A−1 E)⃗x∗ = ⃗x∗ + A−1 E⃗x∗ On en conclut que ⃗x − ⃗x∗ = A−1 E⃗x∗ et qu’en vertu des relations 3.32 et 3.34 : ||⃗x − ⃗x∗ || ≤ ||A−1 || ||E|| ||⃗x∗ || =

||A|| ||A−1 || ||E|| ||⃗x∗ || ||A||

d’où l’on tire le théorème suivant. Théorème 3.79



||⃗x − ⃗x∗ || ||E|| ≤ condA ∗ ||⃗x || ||A||

(3.44)

Systèmes d’équations algébriques

141

Remarque 3.80 Les remarques suivantes permettent de bien mesurer la portée de l’inégalité 3.44. 1. Le terme de gauche est une approximation de l’erreur relative entre la solution exacte et la solution du système perturbé. (On devrait avoir ||⃗x|| au dénominateur pour représenter vraiment l’erreur relative.) 2. Le terme de droite est en quelque sorte l’erreur relative liée aux coefficients de la matrice A multipliée par le conditionnement de A. 3. Si condA est petit, une petite perturbation sur la matrice A entraîne une petite perturbation sur la solution ⃗x. 4. Par contre, si condA est grand, une petite perturbation sur la matrice A pourrait résulter en une très grande perturbation sur la solution du système. Il est par conséquent possible que les résultats numériques soient peu précis et même, dans certains cas, complètement faux.  Remarque 3.81 Très souvent, la perturbation E de la matrice A provient des erreurs dues à la représentation des nombres sur ordinateur. Par définition de la précision machine ϵm et de la norme l∞ , on a dans ce cas : ||E||∞ ≤ ϵm ||A||∞ ce qui permet de réécrire la conclusion 3.44 du théorème sous la forme : ||⃗x − ⃗x∗ ||∞ ≤ ϵm cond∞ A = ϵm ||A||∞ ||A−1 ||∞ ||⃗x∗ ||∞

(3.45)

On constate que, plus le conditionnement est élevé, plus la précision machine ϵm doit être petite. Si la simple précision est insuffisante, on recourt à la double précision. 

Exemple 3.82 La matrice :



 1,012 −2,132 3,104 4,096 −7,013  A =  −2,132 3,104 −7,013 0,014

a comme inverse :



A−1

 −13,729 −6,0755 0,625 40 0,133 99  =  −6,0755 −2,6888 0,625 40 0,133 99 −0,111 87

On a alors ||A||∞ = 13,241 et ||A−1 ||∞ = 20,43. On conclut que le conditionnement de la matrice A est : cond∞ A = (13,241)(20,43) = 270,51 

142

Chapitre 3

Remarque 3.83 En utilisant une autre norme matricielle, on obtiendrait un conditionnement différent. Toutefois, on pourrait montrer que le conditionnement, s’il est grand dans une norme, sera grand dans toutes les normes. 

Exemple 3.84 La matrice :



 3,02 −1,05 2,53 0,56 −1,78  A =  4,33 −0,83 −0,54 1,47

a comme inverse :



A−1

 5,661 −7,273 −18,55 =  200,5 −268,3 −669,9  76,85 −102,6 −255,9

Pour cette matrice, ||A||∞ = 6,67 et ||A−1 ||∞ = 1138,7. Le conditionnement de la matrice est donc 7595, ce qui est le signe d’une matrice mal conditionnée. 

Exemple 3.85 Nous avons déjà considéré la matrice : [ ] 0,0003 3,0 A= 1,0 1,0 dont l’inverse est : A

−1

[ =

−0,333 367 1,0001 × 100 0,333 367 1,0001 × 10−4

]

On a ainsi un conditionnement d’environ 4, ce qui est relativement faible. Nous avons vu que la résolution d’un système linéaire à l’aide de cette matrice, sans effectuer de permutation de lignes, aboutit à de mauvais résultats. Cela démontre bien qu’un algorithme mal choisi (la décomposition LU sans permutation de lignes dans ce cas) peut se révéler inefficace, et ce, même si la matrice est bien conditionnée. 

3.9

Systèmes non linéaires

Les phénomènes non linéaires sont extrêmement courants en pratique. Ils sont sans doute plus fréquents que les phénomènes linéaires. Dans cette section, nous examinons les systèmes non linéaires et nous montrons comment les

Systèmes d’équations algébriques

143

résoudre à l’aide d’une suite de problèmes linéaires, auxquels on peut appliquer diverses techniques de résolution comme la décomposition LU . Le problème consiste à trouver le ou les vecteurs ⃗x = [x1 x2 x3 · · · xn ]T vérifiant les n équations non linéaires suivantes :  f1 (x1 , x2 , x3 , · · · , xn ) = 0     f  2 (x1 , x2 , x3 , · · · , xn ) = 0 f3 (x1 , x2 , x3 , · · · , xn ) = 0 (3.46)  .. ..   . .   fn (x1 , x2 , x3 , · · · , xn ) = 0 où les fi sont des fonctions de n variables que nous supposons différentiables. Contrairement aux systèmes linéaires, il n’y a pas de condition simple associée aux systèmes non linéaires qui permette d’assurer l’existence et l’unicité de la solution. Le plus souvent, il existe plusieurs solutions possibles et seul le contexte indique laquelle est la bonne. Les méthodes de résolution des systèmes non linéaires sont nombreuses. Notamment, presque toutes les méthodes du chapitre 2 peuvent être généralisées aux systèmes non linéaires. Pour éviter de surcharger notre exposé, nous ne présentons que la méthode la plus importante et la plus utilisée en pratique, soit la méthode de Newton. L’application de cette méthode à un système de deux équations non linéaires est suffisante pour illustrer le cas général. Il serait également bon de réviser le développement de la méthode de Newton pour une équation non linéaire (voir le chapitre 2) puisque le raisonnement est le même pour les systèmes. Considérons donc le système : f1 (x1 , x2 ) = 0 f2 (x1 , x2 ) = 0 Soit (x01 , x02 ), une approximation initiale de la solution de ce système. Cette approximation initiale est cruciale et doit toujours être choisie avec soin. Le but de ce qui suit est de déterminer une correction (δx1 , δx2 ) à (x01 , x02 ) de telle sorte que : f1 (x01 + δx1 , x02 + δx2 ) = 0 f2 (x01 + δx1 , x02 + δx2 ) = 0 Pour déterminer (δx1 , δx2 ), il suffit maintenant de faire un développement de Taylor en deux variables pour chacune des deux fonctions (voir la section 1.6.2 ; voir aussi Thomas et Finney, réf. [35]) : 0 = f1 (x01 , x02 ) +

∂f1 0 0 ∂f1 0 0 (x1 , x2 ) δx1 + (x , x ) δx2 + · · · ∂x1 ∂x2 1 2

0 = f2 (x01 , x02 ) +

∂f2 0 0 ∂f2 0 0 (x1 , x2 ) δx1 + (x , x ) δx2 + · · · ∂x1 ∂x2 1 2

Dans les relations précédentes, les pointillés désignent des termes d’ordre supérieur ou égal à deux et faisant intervenir les dérivées partielles d’ordre correspondant. Pour déterminer (δx1 , δx2 ), il suffit de négliger les termes d’ordre supérieur et d’écrire :

144

Chapitre 3 ∂f1 0 0 ∂f1 0 0 (x , x ) δx1 + (x , x ) δx2 = −f1 (x01 , x02 ) ∂x1 1 2 ∂x2 1 2 ∂f2 0 0 ∂f2 0 0 (x , x ) δx1 + (x , x ) δx2 = −f2 (x01 , x02 ) ∂x1 1 2 ∂x2 1 2

ou encore sous forme matricielle :  ∂f1 0 0 ∂f1 0 0  ∂x1 (x1 , x2 ) ∂x2 (x1 , x2 )    ∂f2 ∂f2 0 0 (x01 , x02 ) (x , x ) ∂x1 ∂x2 1 2





   

δx1





   = −

f1 (x01 , x02 )

  

f2 (x01 , x02 )

δx2

Ce système linéaire s’écrit également sous une forme plus compacte : ⃗ = −R(x ⃗ 0 , x0 ) J(x01 , x02 ) δx 1 2

(3.47)

où J(x01 , x02 ) désigne la matrice des dérivées partielles ou matrice jacobienne ⃗ est le vecteur des corrections relatives à chaque évaluée au point (x01 , x02 ), où δx ⃗ 0 , x0 ) est le vecteur résidu évalué en (x0 , x0 ). Le détermivariable et où −R(x 1 2 1 2 nant de la matrice jacobienne est appelé le jacobien. Le jacobien doit bien entendu être différent de 0 pour que la matrice jacobienne soit inversible. On pose ensuite : x11 = x01 + δx1 x12 = x02 + δx2 qui est la nouvelle approximation de la solution du système non linéaire. On ⃗ et ce, cherchera par la suite à corriger (x11 , x12 ) d’une nouvelle quantité (δx), jusqu’à la convergence. De manière plus générale, on pose :  ∂f 1 (⃗xi )  ∂x1    ∂f2 i  J(⃗xi ) =  ∂x (⃗x ) 1  ..   .  ∂f n (⃗xi ) ∂x1

∂f1 i (⃗x ) · · · ∂x2 ∂f2 i (⃗x ) · · · ∂x2 .. .. . . ∂fn i (⃗x ) · · · ∂x2

∂f1 i  (⃗x )  ∂xn   ∂f2 i  (⃗x )   ∂xn    ∂fn i  (⃗x ) ∂xn

c’est-à-dire la matrice jacobienne évaluée au point ⃗xi plus, on pose :    f1 (⃗xi ) δx1  f2 (⃗xi )  δx2   ⃗ ⃗ xi ) =  R(⃗   δx =  ..  ...   . δxn fn (⃗xi ) pour en arriver à l’algorithme général suivant.

= (xi1 , xi2 , · · · xin ). De    

Systèmes d’équations algébriques

145

Algorithme 3.86 : Méthode de Newton appliquée aux systèmes 1. Étant donné ϵa , un critère d’arrêt 2. Étant donné N , le nombre maximal d’itérations 3. Étant donné ⃗x0 = [x01 x02 · · · x0n ]T , une approximation initiale de la solution du système 4. Résoudre le système linéaire : ⃗ = −R(⃗ ⃗ xi ) J(⃗xi ) δx

(3.48)

et poser : ⃗ ⃗xi+1 = ⃗xi + δx ⃗ ||δx|| ⃗ xi+1 )|| ≤ ϵa : < ϵa et ||R(⃗ ||⃗xi+1 || – convergence atteinte – écrire la solution ⃗xi+1 – arrêt 6. Si le nombre maximal d’itérations N est atteint : – convergence non atteinte en N itérations – arrêt 7. Retour à l’étape 4

5. Si

N

Exemple 3.87 On cherche à trouver l’intersection de la courbe x2 = ex1 et du cercle de rayon 4 centré à l’origine d’équation x21 + x22 = 16. L’intersection de ces courbes est une solution de : ex1 − x2 = 0 2 x1 + x22 − 16 = 0 La première étape consiste à calculer la matrice jacobienne de dimension 2. Dans ce cas, on a : [ x ] e 1 −1 J(x1 , x2 ) = 2x1 2x2 Un graphique de ces deux courbes montre qu’il y a deux solutions à ce problème non linéaire (fig. 3.1). La première solution se trouve près du point (−4 , 0) et [ ]T la deuxième, près de (2,8 , 2,8). Prenons le vecteur ⃗x0 = 2,8 2,8 comme approximation initiale de la solution de ce système non linéaire. 1. Itération 1 Le système 3.48 devient : ] [ ] [ 2,8 ][ e2,8 − 2,8 δx1 e −1 =− δx2 2(2,8) 2(2,8) (2,8)2 + (2,8)2 − 16

146

Chapitre 3 ex1 − x2 = 0

4

2

0

-2

x21 + x22 − 16 = 0

-4 -8

-6

-4

-2

0

2

4

6

8

Figure 3.1 – Intersection de deux courbes

c’est-à-dire : [

][ ] [ ] 16,445 −1 δx1 13,645 =− 5,6 5,6 δx2 −0,3200 [ ] ⃗ = −0,778 90 0,836 04 T . La nouvelle approxidont la solution est δx mation de la solution est donc : x11 = x01 + δx1 = 2,8 − 0,778 90 = 2,0211 x12 = x02 + δx2 = 2,8 + 0,836 04 = 3,636 04 2. Itération 2 [ ]T On effectue une deuxième itération à partir de 2,0211 3,636 04 . Le système 3.48 devient alors : ][ ] [ ] [ δx1 e2,0211 − 3,636 04 e2,0211 −1 =− δx2 2(2,0211) 2(3,636 04) (2,0211)2 + (3,636 04)2 − 16 c’est-à-dire :

[

7,5466 −1 4,0422 7,2721

⃗ = dont la solution est δx

[

][

δx1 δx2

]

[ =−

−0,5048 0,101 06

]T

3,9106 1,3056

]

. On a maintenant :

x21 = x11 + δx1 = 2,0211 − 0,504 80 = 1,5163 x22 = x12 + δx2 = 3,636 04 + 0,101 06 = 3,7371 3. Itération 3 À la troisième itération, on doit résoudre : ] [ ] [ ][ 0,818 24 4,5554 −1 δx1 =− δx2 0,265 08 3,0326 7,4742

⃗ = ce qui entraîne que δx est :

[

Systèmes d’équations algébriques 147 ]T −0,172 08 0,034 355 . La nouvelle solution

x31 = x21 + δx1 = 1,5163 − 0,172 08 = 1,3442 x32 = x22 + δx2 = 3,7371 + 0,034 355 = 3,7715 4. Itération 4 Le système linéaire à résoudre est : [ ][ ] [ ] 3,8351 −1 δx1 0,063 617 =− 2,6884 7,5430 δx2 0,031 086 [ ] ⃗ = −0,016 1616 0,016 3847 T . La nouvelle apce qui entraîne que δx proximation de la solution est : x41 = x31 + δx1 = 1,3442 − 0,016 1616 = 1,3280 x42 = x32 + δx2 = 3,7715 + 0,016 3847 = 3,7731 5. Itération 5 [ ]T À partir de 1,3280 3,7731 , on doit résoudre : [ ][ ] [ ] 3,7735 −1 δx1 0,348 86 × 10−3 =− 2,6560 7,5463 δx2 0,169 46 × 10−3 [ ] ⃗ = 9,03 × 10−5 9,25 × 10−6 T . La solution du dont la solution est δx système non linéaire devient : x51 = x41 + δx1 = 1,3281 x52 = x42 + δx2 = 3,7731 On déduit la convergence de l’algorithme de Newton du fait que les modules ⃗ et de R ⃗ diminuent avec les itérations.  de δx Remarque 3.88 1. La convergence de la méthode de Newton dépend de l’approximation initiale ⃗x0 de la solution. Un mauvais choix de ⃗x0 peut résulter en un algorithme divergent. 2. On peut démontrer que, lorsqu’il y a convergence de l’algorithme, cette convergence est généralement quadratique dans le sens suivant : ||⃗x − ⃗x i+1 || ≃ C ||⃗x − ⃗x i ||2

(3.49)

ce qui devient, en posant ⃗ei = ⃗x − ⃗xi : ||⃗e i+1 || ≃ C ||⃗e i ||2 Cela signifie que la norme de l’erreur à l’itération i + 1 est approximativement égale à une constante C multipliée par le carré de la norme de

148

Chapitre 3 l’erreur à l’étape i. L’analogie est évidente avec le cas d’une seule équation non linéaire étudié au chapitre 2. En effet, on peut écrire les deux algorithmes sous la forme : xi+1 = xi − (f ′ (xi ))−1 f (xi )

en dimension 1

⃗ xi ) en dimension n ⃗xi+1 = ⃗xi − (J(⃗x i ))−1 R(⃗ 3. La convergence quadratique est perdue si la matrice jacobienne est singulière au point ⃗x, solution du système non linéaire. Encore une fois, ce comportement est analogue au cas d’une seule équation où la méthode de Newton perd sa convergence quadratique si la racine est de multiplicité plus grande que 1 (f ′ (r) = 0). 4. Pour obtenir la convergence quadratique, on doit calculer et décomposer une matrice de taille n sur n à chaque itération. De plus, il faut fournir à un éventuel programme informatique les n fonctions fi (⃗x) et les n2 dérivées partielles de ces fonctions. Cela peut devenir rapidement fastidieux et coûteux lorsque la dimension n du système est grande. 5. Il existe une variante de la méthode de Newton qui évite le calcul des n2 dérivées partielles et qui ne nécessite que les n fonctions fi (⃗x). La méthode de Newton modifiée consiste à remplacer les dérivées partielles par des différences centrées (voir le chapitre 6). On utilise alors l’approximation du second ordre (O(h2 )) : ∂fi (x1 , x2 , · · · , xn ) ≃ ∂xj fi (x1 , · · · , xj−1 , xj + h, · · · , xn ) − fi (x1 , · · · , xj−1 , xj − h, · · · , xn ) 2h (3.50) Cette approximation introduit une petite erreur dans le calcul de la matrice jacobienne, mais généralement la convergence est quand même très rapide. 

Exemple 3.89 Dans l’exemple précédent, le calcul du premier terme de la matrice jacobienne de la première itération donnait : ∂f1 (2,8 , 2,8) = e2,8 = 16,444 646 77 ∂x1 tandis que l’approximation 3.50 donne pour h = 0,001 : f1 (2,801 , 2,8) − f1 (2,799 , 2,8) = 16,444 65 (2)(0,001) On constate que l’erreur introduite est minime. 

Systèmes d’équations algébriques

3.10

149

Applications

Les applications ne manquent pas dans ce domaine. Nous verrons dans un premier temps le calcul des tensions dans une ferme, menant à un système linéaine. Nous aborderons ensuite un problème de moindres carrés pour un loi de viscosité ainsu que le calcul des débits dans un réseau de distribution d’eau, qui conduisent à des systèmes non linéaires.

3.10.1

Calcul des tensions dans une ferme

Une ferme est une structure bidimensionnelle relativement simple composée de membrures métalliques droites jointes par des rotules. Les équations de la mécanique nous assurent que les efforts dans une telle structure se réduisent à des tractions-compressions. Cette structure, dont on néglige le poids, est par la suite soumise à une charge qui provoque des tensions ou des compressions dans les membrures. Cela provoque également des déplacements de faible amplitude des rotules. Typiquement, on a la situation de la figure 3.2, où une ferme représentant grossièrement un pont de chemin de fer est constituée de 11 membrures et de 7 rotules. La première rotule est fixée sur un support qui prévient tout déplacement et qui exerce une poussée horizontale H1 et une poussée verticale V1 . À l’autre extrémité, la rotule 7 est fixée sur un rail qui ne prévient que les déplacements verticaux et qui fournit une poussée verticale V2 . Des charges de −10 000 N et de −20 000 N sont exercées sur les rotules 3 et 5 respectivement. Les forces sont considérées positives si elles agissent vers le haut suivant la verticale et vers la droite suivant l’horizontale. 4

2 1

1

60◦ 45◦

30◦

3

8

4

45◦

45 90◦

6



11

7

5

9

45◦ 2

7 3

6

10 000 N

5

10

20 000 N

Figure 3.2 – Membrures et rotules d’une ferme

Pour calculer les tensions Ti dans les membrures, il suffit de recourir aux équations d’équilibre horizontal et vertical des forces à chaque rotule. Nous supposons que chaque membrure est en tension. Si nous obtenons un résultat négatif pour l’un des Ti , cela signifie que la membrure en question est en compression. Une membrure en tension exerce une poussée sur les rotules qui, en réaction, poussent sur les membrures. L’équilibre est atteint lorsque ces poussées sont compensées par les charges externes agissant sur la rotule. La figure 3.3 illustre les forces exercées sur chaque rotule. À l’aide de cette figure, on peut établir les conditions d’équilibre. – Rotule 1 : Fixée – Rotule 2 : Équilibre horizontal et vertical −T1 cos 30o + T3 cos 45o + T4 = 0 −T1 sin 30o − T3 sin 45o

= 0

150

Chapitre 3

V1

2

T1 30

1

T5

T4

45◦

30◦



T2

T2

T1

H

T5 45◦

45◦

T3

T6

3 10 000 N

T4

4 45◦

45◦

T7

T5

T7 T6

45

T9

T8





45

T10

5

30◦

45◦

T9

T11

20 000 N

T11 T10

T8

6

V2 30◦

7

Figure 3.3 – Forces exercées sur les rotules

– Rotule 3 : Équilibre horizontal et vertical −T2 − T3 cos 45o + T5 cos 45o + T6 = 0 T3 sin 45o + T5 sin 45o − 10 000

= 0

– Rotule 4 : Équilibre horizontal et vertical −T4 − T5 cos 45o + T7 cos 45o + T8 = 0 −T5 sin 45o − T7 sin 45o

= 0

– Rotule 5 : Équilibre horizontal et vertical −T6 − T7 cos 45o + T9 cos 45o + T10 = 0 T7 sin 45o + T9 sin 45o − 20 000

= 0

– Rotule 6 : Équilibre horizontal et vertical −T8 − T9 cos 45o + T11 cos 30o = 0 −T9 sin 45o − T11 sin 30o

= 0

– Rotule 7 : Équilibre horizontal seulement −T10 − T11 cos 30o = 0 Sous forme matricielle, on obtient un système linéaire de 11 équations de la forme : AT⃗ = ⃗b

Systèmes d’équations algébriques La matrice A complète est :  −a 0 b 1 0 0 0 0 0 0 0 0 −b 0 0 0 0 0 0 0 0  −0,5  0 −1 −b 0 b 1 0 0 0 0 0   0 0 b 0 b 0 0 0 0 0 0   0 0 0 −1 −b 0 b 1 0 0 0  0 0 0 0 −b 0 −b 0 0 0 0 A=   0 0 0 0 0 −1 −b 0 b 1 0   0 0 0 0 0 0 b 0 b 0 0  0 0 0 0 0 0 0 −1 −b 0 a   0 0 0 0 0 0 0 0 −b 0 −0,5 0 0 0 0 0 0 0 0 0 −1 −a

151                

où a = cos 30o = 0,866 025 404 et b = cos 45o = sin 45o = 0,707 106 781.     T1 0 0   T2    T   0   3     T   10 000   4     T5   0       ⃗  0  T⃗ =   T6  b =    T7    0      T8   20 000      0   T9    T   0  10 T11 0 Une décomposition LU permet la résolution de ce système. On obtient les valeurs suivantes pour les tensions (en newton) exercées sur les différentes membrures :   −27 320,5  23 659,5   19 321,4     −37 319,7     −5177,1     40 980,0 T⃗ =     5177,1     −44 640,2     23 111,4   28 300,5  −32 679,5

Ainsi, les membrures 1, 4, 5, 8 et 11 sont en compression et toutes les autres sont en tension. Pour vérifier la validité de ces résultats, on peut calculer les forces verticales V1 et V2 . L’équilibre des forces verticales à la rotule 1 nous assure que : V1 = −T1 sin 30o = 13 660,25 N et de la même manière à la rotule 7 : V2 = −T11 sin 30o = 16 339,75 N

152

Chapitre 3

Le total de V1 + V2 est bien 30 000 N, correspondant à la charge totale. On pourrait maintenant facilement étudier l’effet de différentes répartitions de charge sur cette structure. Seul le vecteur ⃗b serait affecté. La matrice A ne change pas tant que l’on ne modifie pas la ferme elle-même.

3.10.2

Deuxième modèle de viscosité

Au chapitre précédent (voir la section 2.6.2), nous avons considéré un modèle de viscosité exprimé par la loi puissance de la forme : η = η0 γ˙ β−1 Un modèle plus réaliste est le modèle de Carreau qui est de la forme : η = η0 (1 + λ2 γ˙ 2 )

β−1 2

(3.51)

Les paramètres η0 , λ et β sont déterminés en fonction des mesures expérimentales. Nous sommes donc amenés à rechercher les valeurs minimales de la fonction de moindres carrés : )2 β−1 1 ∑( F (η0 , λ, β) = η0 (1 + λ2 γ˙ i2 ) 2 − ηi 2 npt

i=1

où npt est le nombre de données mesurées à l’aide d’un rhéomètre. Nous utilisons les mêmes données rhéologiques qu’à la section 2.6.2, ce qui nous permettra de comparer le modèle de Carreau et la loi puissance. Le minimum sera atteint lorsque : ∂F (η0 , λ, β) ∂F (η0 , λ, β) ∂F (η0 , λ, β) = = =0 ∂η0 ∂λ ∂β c’est-à-dire lorsque 3 : ) ∑( β−1 β−1 ∂F = η0 (1 + λ2 γ˙ i2 ) 2 − ηi (1 + λ2 γ˙ i2 ) 2 = 0 ∂η0 npt

i=1

) (β − 1) ∑( β−1 β−3 ∂F = η0 (1 + λ2 γ˙ i2 ) 2 − ηi η0 (1 + λ2 γ˙ i2 ) 2 2λγ˙ i2 = 0 ∂λ 2 npt

i=1

)η ∑( β−1 β−1 ∂F 0 = η0 (1 + λ2 γ˙ i2 ) 2 − ηi (1 + λ2 γ˙ i2 ) 2 ln(1 + λ2 γ˙ i2 ) = 0 ∂β 2 npt

i=1

que l’on peut simplifier légèrement en extrayant de la sommation les termes qui ne dépendent pas de l’indice i. On obtient en bout de course le système de 3. La dérivée de af (x) est af (x) f ′ (x) ln a.

Systèmes d’équations algébriques

153

trois équations non linéaires suivant : npt ( ) ∑ β−1 β−1 η0 (1 + λ2 γ˙ i2 ) 2 − ηi (1 + λ2 γ˙ i2 ) 2

= 0

i=1 npt ( ) ∑ β−3 β−1 η0 (1 + λ2 γ˙ i2 ) 2 − ηi (1 + λ2 γ˙ i2 ) 2 γ˙ i2

(3.52)

= 0

i=1 npt ( ) ∑ β−1 β−1 η0 (1 + λ2 γ˙ i2 ) 2 − ηi (1 + λ2 γ˙ i2 ) 2 ln(1 + λ2 γ˙ i2 ) = 0 i=1

On a utilisé la méthode de Newton modifiée (voir l’équation 3.50) pour ré[ ]T soudre ce système. À partir de l’approximation initiale 5200 140 0,38 , [ ]T la méthode a convergé en 8 itérations vers 4926,08 116,922 0,331 . Une comparaison du modèle de Carreau avec les données expérimentales est présentée à la figure 3.4. On remarque une meilleure correspondance entre les valeurs expérimentales et celles calculées à l’aide du modèle de Carreau que celle qui a été obtenue par la loi puissance (fig. 2.10). 10 000

Expérience Modèle

Viscosité (Pa · s) 1000

100

10 0,01

0,1

1

10

Taux de cisaillement (1/s) Figure 3.4 – Loi de Carreau : η = 4926,08(1 + (116,922)2 γ˙ 2 )

,

0 331−1 2

154

3.10.3

Chapitre 3

Réseau de distribution d’eau

Les municipalités doivent toutes gérer un réseau complexe de distribution d’eau qui assure un approvisionnement fiable à tous leurs concitoyens. Ces réseaux sont constitués en premier lieu de conduites de forme cylindrique. On appelle nœuds la jonction de 2 (ou plus) conduites. Un circuit fermé constitué d’au moins 3 conduites est une boucle. La station de traitement d’eau ou des réservoirs alimentent le réseau tandis que les saignées aux nœuds correspondent à la consommation d’eau des clients. La gestion d’un réseau requiert la résolution d’un système d’équations algébriques non linéaires de taille parfois impressionnante. Nous allons considérer dans cette brève introduction les principes de base de la résolution en référant le lecteur au livre de Brière [4] pour plus de détails. Le problème consiste à calculer le débit dans chacune des canalisations de même que la pression en chaque nœud du réseau. Pour des municipalités comme Montréal ou Laval, on parle d’environ 20 000 nœuds et à peu près autant de canalisations. Pour déterminer les équations nécessaires, il suffit, dans un premier temps, d’orienter les conduites c’est-à-dire de leur donner une direction a priori arbitraire. Dans ce qui suit, nous prendrons comme convention d’orienter la conduite entre les nœuds Ni et Nj dans le sens de Ni vers Nj si i < j. Cette orientation ne signifie nullement que l’écoulement dans la conduite se fera de Ni vers Nj . Si c’est le cas, le débit calculé sera positif, sinon on obtiendra un débit négatif. On applique ensuite deux principes très simples : – en chaque nœud Ni , la masse est conservée ou encore la somme algébrique des débits dans les conduites possédant Ni comme nœud est nulle. Dans ce bilan nodal, on doit tenir compte de la présence possible d’une saignée ou d’un réservoir d’alimentation. Comme convenu, le débit dans la conduite Ni − Nj donnera une contribution négative au bilan des débits du nœud Ni et positive au nœud Nj . Enfin, si le réseau est équilibré, c’est-à-dire si le débit d’entrée est égal à la somme des saignées, l’équilibre au dernier nœud dépend automatiquement des autres nœuds et il n’est pas nécessaire de s’en préoccuper ; – pour chaque boucle Bi du réseau, la somme algébrique des pertes de charge (chutes de pression) à travers toutes les canalisations constituant la boucle est nulle. Ceci revient à dire que la pression en un nœud prend une valeur unique. Ici encore, la convention est de parcourir les boucles dans le sens horaire. De plus, la perte de charge est positive si elle est dans le même sens que le débit. Il reste à établir une relation entre la perte de charge H et le débit Q dans une canalisation. C’est la relation empirique de Hazen-Williams qui stipule que : H = KQα où α = 1,852. La constante K dépend de la longueur de la canalisation L (en m), de son diamètre d (en m) et d’un coefficient de rugosité de Hazen-Williams de la conduite CHW par la relation : K=

10,679L α d4,871 CHW

(3.53)

Systèmes d’équations algébriques N7

N6 0,006

N8

B3

N4

N5

0,1

0,008

B2

155

0,02

N3 0,008

0,02

B1

N1

N2 0,2

0,038

Figure 3.5 – Réseau simple de distribution

La figure 3.5 illustre un exemple d’un réseau de distribution très simple tiré de Brière [4]. Le tableau suivant donne les valeurs des différents paramètres qui interviennent dans le modèle. Données du réseau Conduite L(m) d(m) CHW N 1 → N2 300 0,255 120 N 2 → N3 150 0,255 120 N 3 → N4 150 0,150 120 N 4 → N5 150 0,150 120 N 5 → N6 300 0,205 120 N 6 → N7 150 0,205 120 N 7 → N8 150 0,205 120 N 1 → N5 150 0,255 120 N 4 → N7 300 0,205 120 N 3 → N8 300 0,205 120

K 351,36 175,68 2329,37 2329,37 1017,31 508,66 508,66 175,68 1017,31 1017,31

La première colonne indique du même coup l’orientation (arbitraire) des conduites. La dernière colonne provient de l’équation 3.53. On note Qij et Kij le débit et la valeur de K pour la conduite Ni → Nj . Le réseau de la figure 3.5 est constitué de 8 nœuds, 10 conduites et 3 boucles indépendantes. Les valeurs de l’alimentation (au nœud N1 ) et des saignées (aux autres nœuds) sont en m3 /s. Le système à résoudre comporte donc 10 équations : (8-1) pour les nœuds plus 3 équations pour les boucles :

156 N1 N2 N3 N4 N5 N6 N7 B1 B2 B3

Chapitre 3 : : : : : : : : : :

+0,200 − Q15 − Q12 −0,038 + Q12 − Q23 −0,008 + Q23 − Q34 − Q38 −0,020 + Q34 − Q47 − Q45 −0,020 + Q15 − Q56 + Q45 −0,006 − Q67 + Q56 −0,008 + Q67 + Q47 − Q78 K15 Qα15 − K45 Qα45 − K34 Qα34 − K23 Qα23 − K12 Qα12 K56 Qα56 + K67 Qα67 − K47 Qα47 + K45 Qα45 K47 Qα47 + K78 Qα78 − K38 Qα38 + K34 Qα34

=0 =0 =0 =0 =0 =0 =0 =0 =0 =0

Ce système est non linéaire en raison de la présence des exposants α dans les 3 dernières équations. On peut donc appliquer la méthode de Newton pour les systèmes d’équations. Comme toujours, la première difficulté est de déterminer une approximation initiale pour la solution. Il faut donc essayer de déterminer des débits raisonnables dans chacune des conduites. Un ingénieur d’expérience pourra le faire assez facilement. Il existe cependant une alternative intéressante. Elle consiste à remplacer dans un premier temps les exposants α = 1,852 par 1, ce qui revient à rendre le système linéaire. On résout le système linéaire résultant par décomposition LU , ce qui ne nécessite aucune approximation initiale. On se sert ensuite de cette solution comme approximation initiale pour le problème non linéaire où on a remis les bons exposants. Dans cet exemple, le système linéarisé (α = 1) a donné la solution indiquée dans le tableau qui suit. Partant de cette solution, la méthode de Newton a convergé en 4 itérations vers la solution qui nous intéresse (α = 1,852). Débits dans le réseau Conduite Débits (m3 /s) Débits (m3 /s) α=1 α = 1,852 N1 → N2 1,095 8119 × 10−1 1,010 7114 × 10−1 N2 → N3 7,158 1195 × 10−2 6,307 1143 × 10−2 N3 → N4 8,681 4288 × 10−3 8,814 9923 × 10−3 −2 N4 → N5 −2,378 9830 × 10 −3,227 7805 × 10−2 −2 N5 → N6 4,662 8973 × 10 4,665 1051 × 10−2 −2 N6 → N7 4,062 8973 × 10 4,065 1051 × 10−2 −2 N7 → N8 4,510 0233 × 10 5,374 3848 × 10−2 −2 N1 → N5 9,041 8804 × 10 9,892 8856 × 10−2 N4 → N7 1,247 1259 × 10−2 2,109 2797 × 10−2 −2 N3 → N8 5,489 9766 × 10 4,625 6514 × 10−2 On remarque que seule la conduite N4 → N5 était mal orientée au départ puisque nous avons obtenu un débit négatif. Cela signifie que l’écoulement est, en fait, dans le sens inverse de celui indiqué à la figure pour cette conduite. On remarque enfin que la stratégie de résolution est efficace puisque la différence entre les 2 solutions n’est pas très importante bien que non négligeable.

Systèmes d’équations algébriques

3.11

157

Exercices 

 1 2 3  4 5 6  7 8 9

1. Soit la matrice :

Identifier les matrices W qui permettent d’effectuer les opérations suivantes : a) ⃗l2 ← ⃗l2 − 3⃗l1 b) ⃗l2 ↔ ⃗l3 c) ⃗l2 ← 5⃗l2 d) ⃗l3 ← ⃗l3 + 5⃗l2 Calculer le déterminant de chaque matrice W 2. Résoudre les systèmes triangulaires suivants : a)     3 0 0 x1  1 5 0   x2  =  2 4 6 x3 b)

et son inverse W −1 .  9 13  20

    0 1 3 4 x1  0 3 5   x2  =  −4  6 0 0 −3 x3 

Calculer le déterminant de ces deux matrices. 3. En indiquant bien les opérations effectuées sur les lignes, utiliser l’élimination de Gauss pour triangulariser les systèmes linéaires suivants : a)      0 1 2 1 x1  2 2 3   x2  =  3  2 −1 −3 0 x3 b)



1  2  4 −3

2 0 2 1

1 4 2 3

   4 x1 3   x2   = 1   x3   2 x4

 13 28  20  6

Calculer le déterminant de ces deux matrices. 4. Obtenir les matrices W correspondant aux opérations élémentaires effectuées sur les matrices de l’exercice précédent. Montrer pour ces deux exemples que la méthode d’élimination de Gauss est équivalente à une décomposition LU . 5. a) Résoudre le système linéaire suivant par élimination de Gauss et en utilisant l’arithmétique flottante à 4 chiffres, mais sans permutation de lignes.      0,6867 0,729 0,81 0,9 x1  1 1 1   x2  =  0,8338  x3 1 1,331 1,21 1,1

158

Chapitre 3

b) Résoudre le même système linéaire en arithmétique flottante à 4 chiffres, mais cette fois en permutant les lignes de façon à avoir le plus grand pivot possible. c) Comparer les deux solutions numériques avec la solution exacte ⃗x = [0,2245 0,2814 0,3279]T et calculer les erreurs relatives en norme l∞ . 6. On veut résoudre le système linéaire suivant par élimination de Gauss.      1 1 0 x1 1  0 1 1   x2  =  −2  1 2 1 x3 1

7.

a) La matrice de ce système linéaire est-elle singulière ? b) Combien de solutions ce système linéaire possède-t-il ? a) Effectuer l’élimination de Gauss (sans permutation de lignes) sur le système : [ ][ ] [ ] 2 −6α x1 3 = 3α −1 x2 β

b) Calculer le déterminant de A en vous servant de l’élimination de Gauss. c) Déterminer les valeurs de α et de β pour lesquelles la matrice A est non inversible (singulière). d) Que pouvez-vous dire de la solution de ce système quand α = 1/3 et β = 1 ? 8. Résoudre les systèmes linéaires suivants par la méthode de décomposition LU de Crout (sans permutation de lignes). a)

b)



    1 2 1 x1 0  2 2 3   x2  =  3  −1 −3 0 x3 2 

1  2  4 −3

2 0 2 1

1 4 2 3

   4 x1 3   x2   = 1   x3   2 x4

 13 28  20  6

9. Résoudre le système linéaire :      23 1 2 6 x1  4 8 −1   x2  =  17  x3 10 −2 3 2 par décomposition LU avec permutation de lignes. 10. Soit la matrice :   0 3 0 A= 1 2 0  3 5 2

Systèmes d’équations algébriques a) Peut-on factoriser A sous la forme :    l11 0 0 1 u12 u13 A =  l21 l22 0   0 1 u23  l31 l32 l33 0 0 1

159

(3.54)

b) Écrire la matrice A sous la forme A = P −1 B où P est une matrice de permutation et B une matrice que l’on peut factoriser sous la même forme que l’équation 3.54. c) Factoriser B pour résoudre :     x1 1 A x2  = 0 x3 1 11. Trouver une factorisation de Crout de la matrice :    A= 

2 4 0 0 0

3 7 4 0 0

0 3 7 4 0

0 0 3 7 4

0 0 0 3 7

    

et calculer le déterminant de la matrice A. 12. a) Vérifier que la matrice suivante est définie positive :   1 2 0 0 5 −3 0   2 A= 0 −3 10 2  0 0 2 5 b) Calculer ensuite une factorisation de Cholesky de la matrice A et utiliser cette dernière pour résoudre le système :   1 2 A⃗x =   0 0 13. La matrice :



 1 2 3 A =  2 7 18  4 13 38

possède la décomposition LU suivante (notation compacte, obtenue sans permutation de lignes) :   1 2 3  2 3 4  4 5 6 En utilisant la méthode de Crout, on a résolu les systèmes A⃗x = ⃗b suivants :

160

Chapitre 3 [ ]T [ ]T – Si ⃗b = 1 0 0 : ⃗x = 1,7777 −0,222 22 −0,111 11 [ ]T [ ]T – Si ⃗b = 0 1 0 : ⃗x = −2,0555 1,4444 −0,277 77 En complétant au besoin les données précédentes, calculer les quantités suivantes : a) dét A b) ||A||∞ c) A−1 d) cond∞ A

14. Considérer le système linéaire suivant : [ ][ ] [ ] 0,505 0,495 x1 1 = 0,495 0,505 x2 1 a) Déterminer la solution exacte ⃗x =

[

x1 x2

]T

(3.55)

.

b) Calculer le résidu correspondant à la solution approximative ⃗x∗ = [ ]T 0 2 . c) Donner une borne inférieure pour le conditionnement de la matrice du système 3.55. Cette matrice est-elle mal conditionnée ? Justifier. d) Choisir d’autres vecteurs ⃗x∗ et calculer leurs résidus. e) Évaluer le conditionnement en norme infinie. f) Représenter graphiquement le système linéaire. Essayer de localiser la solution du système. 15.

4

À l’aide d’un graphique, trouver une borne inférieure pour le conditionnement de la matrice suivante : [ ][ ] [ ] 4,02 0,98 x1 5 = 0,98 4,02 x2 5 [ ]T sachant que la solution exacte est 1 1 . Suggestion : Utiliser la notion de résidu et effectuer les calculs en norme ∥ ∥∞ .

16. Une matrice A possède la décomposition LU suivante (notation compacte, obtenue sans permutation de lignes) :  2 − 21 0  4 1 2  −6 −1 2 

En utilisant la décomposition LU , effectuer les opérations suivantes : a) Calculer dét A. b) Résoudre le système linéaire A⃗x = ⃗b où ⃗b =

[

−2 14 12

]T

c) Sans calculer A2 , résoudre le système A2 ⃗x = ⃗b pour ⃗b donné en b). (Rappel : A2 ⃗x = A(A⃗x).) 4. Les exercices précédés du symbole nécessitent l’utilisation d’un ordinateur. Pour R qui possède faciliter la tâche de programmation, nous recommandons le logiciel Matlab⃝ toutes les fonctionnalités de base nécessaires à l’apprentissage des méthodes numériques.

Systèmes d’équations algébriques 17. Résoudre le système linéaire :  1 1  

4 1 3 1 2

5 1 4

1 6 1 5

1

2



x1





9

161



      x2  =  8  x3

8

en arithmétique flottante à 3 chiffres avec pivotage. Comparer le résultat numérique avec la solution exacte : [ ]T 6200 ⃗x = − 2952 − 2310 13 13 13 18. 19.

20. 21. 22.

Calculer l’erreur relative commise en utilisant la norme l∞ . Pour la matrice de l’exercice précédent, calculer les quantités ||A||1 , ||A||F , ||A||∞ , ||A−1 ||∞ et cond∞ A. Représenter graphiquement dans le plan les ensembles suivants : a) {⃗x | ||⃗x||2 ≤ 1} b) {⃗x | ||⃗x||∞ ≤ 1} Est-ce que |dét A| pourrait être une norme matricielle ? Peut-on définir le conditionnement d’une matrice singulière ? Calculer le déterminant et le conditionnement de la matrice : [ ] 1 2 1,01 2

23. Les matrices mal conditionnées ont souvent un déterminant voisin de 0. Est-ce que les matrices dont le déterminant est près de 0 sont forcément mal conditionnées ? Donner un contre-exemple. 24.

a)

En utilisant un logiciel, calculer le conditionnement, en norme infinie, des matrices de Hilbert de dimension 5, 10, 15 et 20, définies par : 1 aij = i+j−1

b) On considère la matrice de Hilbert de dimension 5 et les vecteurs :     0,767 854 7359 0,757 854 7359 0,445 791 0608 0,545 791 0608     ⃗x = 0,321 578 2952 ⃗y = 0,221 578 2952 0,253 438 9440 0,243 438 9440 0,209 822 6366 0,208 822 6366 Calculer le produit ⃗b = A⃗x puis le résidu ⃗b − A⃗y , en arithmétique exacte. Que pouvez-vous conclure sur le conditionnement de A. 25. On considère le système linéaire :      6 4 3 −1 x1  7 −2 3   x2  =  9  x3 3 5 −18 13

162

Chapitre 3 En utilisant une calculatrice, on trouve comme solution le vecteur : [

]T

1,586 206 −0,448 2759 −1,000 000

Après avoir multiplié la matrice par ce vecteur, on trouve : [

5,999 9963 8,999 9938 2,999 9962

]T

ce qui semble indiquer que la solution obtenue soit acceptable. Le même calcul effectué sur ordinateur produit la solution : [

0,620 6896 2,172 4137 3,0000

]T

Après multiplication de la matrice A du système par ce vecteur, l’ordinateur affiche : [ ]T 5,999 9995 8,999 9998 3,000 0014 ce qui semble tout aussi acceptable. Que penser de ces résultats ? 26. Considérer le système linéaire suivant : [ ][ ] [ ] 1 5 x1 6,0000 = 1,0001 5 x2 6,0005 [ ]T dont la solution exacte est ⃗x = 5 0,2 . a) Calculer les résidus correspondant aux solutions approximatives ⃗x1 = [ ]T [ ]T 5,1 0,3 et ⃗x2 = 1 1 . Calculer les quantités ||⃗r1 ||∞ , ||⃗r2 ||∞ , ||⃗x − ⃗x1 ||∞ et ||⃗x − ⃗x2 ||∞ , comparer les résultats et conclure. b) Trouver la solution exacte du système après le remplacement du [ ]T membre de droite par 6 6 et conclure. c) À la lueur des résultats obtenus en a) et en b), conclure sur le conditionnement de la matrice de ce système et calculer ce conditionnement. 27. Résoudre le système non linéaire suivant à l’aide de la méthode de Newton [ ]T en prenant 0 0 comme approximation initiale : x21 − 10x1 + x22 + 8 = 0 2 x1 x2 + x1 − 10x2 + 8 = 0 28. Résoudre le système non linéaire suivant par la méthode de Newton en [ ]T prenant 0,1 0,1 −0,1 comme approximation initiale : 3x1 − cos(x2 x3 ) − x21

− 81(x2 +

0,1)2

e−x1 x2 + 20x3 +

1 2

= 0

+ sin x3 + 1,06 = 0

(10π−3) 3

= 0

Systèmes d’équations algébriques 29.

163

Résoudre le système : x21 + x1 x32 = 9 3x21 x2 − 3x32 = 4 par la méthode de Newton, à partir de différents vecteurs de départ : ]T 0 [ ]T [ ]T 0 [ ⃗x0 = 1,2 2,5 ; ⃗x = −2 2,5 ; ⃗x = −1,2 −2,5 et [ ]T 0 ⃗x = 2 −2,5 . Déterminer vers quelle racine la méthode converge, le nombre d’itérations nécessaires et l’ordre de convergence.

30.

Considérer le système non linéaire : x21 − 2x1 + x22 = 0 x21 + x22 − 4 = 0 dont la solution exacte est ⃗x =

[

x1 x2

]T

=

[

2 0

]T

.

a) Représenter graphiquement les deux équations. Vérifier que le vec[ ]T teur 2 0 est l’unique solution du système. b) Résoudre le système non linéaire avec une précision de 10−4 à l’aide [ ]T de la méthode de Newton, en prenant 0 1 comme approximation initiale. ||⃗x(k+1) − ⃗x||∞ ||⃗x(k+1) − ⃗x||∞ c) Calculer les ||⃗x(k) − ⃗x||∞ , et . En dé||⃗x(k) − ⃗x||∞ ||⃗x(k) − ⃗x||2∞ duire l’ordre de convergence de la méthode de Newton appliquée à ce système. d) Trouver une approximation initiale ⃗x0 telle que la méthode de Newton ne converge pas. 31. Tout comme dans le cas d’une équation à une variable, la convergence de la méthode de Newton pour les systèmes non linéaires dépend de [ ]T l’approximation initiale x01 x02 . Considérant le système : x2 + x21 − x1 −

= 0

x2 + 5x1 x2 −

= 0

1 2 x31

[ ]T expliquer pourquoi 0 −0,2 est une mauvaise approximation initiale. R on a obtenu la décomposition LU et la 32. En utilisant le logiciel Matlab⃝, matrice de permutation P d’une matrice A :       27 2 16 1 0 0 1 0 0 L =  1 1 0  U =  0 −8 −16  P =  0 0 1  3 3 1 0 1 0 0 0 2 4 1 2 de sorte que P A = LU . En vous servant de cette décomposition :

164

Chapitre 3 a) Donner le déterminant de la matrice A. b) Résoudre le système linéaire A⃗x = ⃗b où ⃗b =

[

51 6 19

]T

.

33. Pour calculer les tensions dans les membrures d’une ferme, on doit résoudre un système linéaire de la forme A⃗x = ⃗b. On a effectué une comR et l’on a obtenu les résultats suivants : mande Matlab⃝ >> [L,U,P] = lu(A) L = 1,0000 0 -1,0000 1,0000 0 0 0 -1,0000 -0,5774 0 0,5774 0

0 0 1,0000 0,0000 0,3334 0,6666

0 0 0 1,0000 0 0

0 0 0 0 1,0000 0

0 0 0 0 0 1,0000

-0,5000 -0,5000 -0,8660 0 0 0

0 -1,0000 0 -1,0000 0 0

0 0 0 0 -1,0000 0

0 0 -1,0000 0,0000 0,3334 0,6666

U = 0,8660 0 0 0 0 0

0 -1,0000 0 0 0 0

P = 1 0 0 0 0 0

0 0 0 0 0 1

0 1 0 0 0 0

0 0 0 0 1 0

0 0 0 1 0 0

0 0 1 0 0 0

a) Quel est le déterminant de la matrice A de départ ? b) Si l’on veut résoudre le système A⃗x = [1 2 3 4 5 6]T . Indiquer (sans résoudre) les étapes à suivre. 34. Le système linéaire : 

10  7 A⃗x =  8 7

  7 8 7 5 6 5   = 6 10 9   5 9 10

 32 23  33  31

[ ]T a pour solution exacte ⃗x = 1 1 1 1 . Par une méthode numérique inappropriée, on a trouvé une solution approximative : [ ]T ⃗x∗ = 9,2 −12,6 4,5 −1,1 . a) Quelle est la norme || ||∞ du résidu ? b) Quelle est la norme || ||∞ de la matrice A ?

Systèmes d’équations algébriques

165

c) L’inverse de la matrice A est : 

A−1

 25 −41 10 −6 68 −17 10   −41 = 10 −17 5 −3  −6 10 −3 2

Calculer le conditionnement de la matrice A avec la norme || ||∞ . d) Donner une borne supérieure pour l’erreur relative commise entre ⃗x et ⃗x∗ . 35. Soit A, B et C trois matrices de dimension n sur n. Les matrices A et C sont inversibles, mais B ne l’est pas forcément. On vous donne les décompositions LU obtenues sans permuter de lignes : A = LA U A et C = LC U C . Proposer une stratégie de résolution du système : [ ][ ] [ ] ⃗b1 A B ⃗x1 = ⃗ 0 C ⃗x2 b2 Indiquer clairement tous les systèmes triangulaires nécessaires à la résolution. 36. On veut résoudre le système non linéaire suivant : x21

+3x1 x2 +x23

= +7

sin x1 +ex2

−3x3 = −8

3x1

−3x3 = −1

+4x2

a) Donner l’expression du système linéaire correspondant à la première itération de la méthode de Newton en partant de l’estimé initial [ ]T 0 0 1 . b) La décomposition LU de Crout de la matrice du système linéaire obtenu en a) sous forme compacte est :     4 3 3 3 −1   ⃗   1 6  O= 2  1 −3 1 0 0 2 ⃗ est le vecteur de permutation. En vous servant de cette déoù O composition, résoudre le système obtenu en a). c) En comparant avec la solution analytique du système non linéaire, on a obtenu les valeurs suivantes pour l’erreur ||⃗x − ⃗xi ||∞ (les premières itérations ne sont pas indiquées) : Résultats Itération i ||⃗x − ⃗xi ||∞ 6 2,073 × 10−1 7 1,066 × 10−2 8 1,017 × 10−5 9 2,864 × 10−11

166

Chapitre 3

Quel est l’ordre de convergence de la méthode de Newton dans ce cas ? 37. On considère le système non linéaire : x21 + x22 − 2 = 0 x1 x2 − 1 = 0 a) Déterminer graphiquement le nombre de solutions de ce système. b) Faire 2 itérations de la méthode de Newton pour les systèmes non [ ]T [ ]T linéaires en partant de x01 x02 = 1 0 . c) La table suivante contient les itérations de la méthode de Newton qui suivent celles effectuées en b). On vous présente également la norme euclidienne de l’erreur commise à chaque itération en com[ ]T parant avec la solution exacte ⃗x = 1 1 . En regardant ces résultats, déterminer l’ordre de convergence de la méthode de Newton. Expliquer pourquoi on obtient cet ordre de convergence dans ce cas précis.

i 0 1 2 3 4 5 6 7 8 9

Méthode de Newton xi1 xi2 ||⃗x − ⃗xi ||2 1,000 000 0,000 000 1,0 × 100 5,0 × 10−1 1,8 × 10−1 1,062 805 0,937 805 8,8 × 10−2 1,031 250 0,968 750 4,4 × 10−2 1,015 625 0,984 375 2,2 × 10−2 1,007 812 0,992 188 1,1 × 10−2 1,003 906 0,996 094 5,5 × 10−3 1,001 953 0,998 047 2,7 × 10−3 1,000 977 0,999 023 1,3 × 10−3

38. On considère le système non linéaire suivant : x2 + 2y 2

= 22

2x2 − xy + 3y = 11 a) Faire une itération de la méthode de Newton pour ce système en [ ]T partant de la solution initiale 1 2 . b) Déterminer (sans le résoudre) le système linéaire nécessaire à la deuxième itération.

Chapitre 4

Méthodes itératives et systèmes dynamiques discrets 4.1

Introduction

Nous voyons dans ce chapitre comment de simples méthodes itératives, telles les méthodes des points fixes, peuvent mener à des systèmes au comportement complexe. On pourrait croire, à la suite du chapitre 2, que la discussion sur la convergence d’une méthode des points fixes s’arrête lorsqu’on a déterminé si le point fixe est attractif ou répulsif. Nous allons pousser cette discussion beaucoup plus loin et tâcher d’étudier un certain nombre de phénomènes intéressants rencontrés dans l’étude des systèmes dynamiques. Il ne s’agit pas de faire une analyse mathématique profonde de la théorie des systèmes dynamiques, mais bien de démontrer que des méthodes itératives simples peuvent résulter en des systèmes complexes.

4.2

Application quadratique

Nous reprenons ici une partie du travail de Feigenbaum (réf. [16]) sur l’application quadratique. Cette application remarquablement simple conduit à un comportement de nature universelle. Considérons la méthode itérative :   x0 donné (4.1)  x n+1 = λxn (1 − xn ) qui est en fait une méthode des points fixes (voir l’équation 2.5) appliquée à la fonction : g(x) = λx(1 − x) Le paramètre λ est appelé à varier, si bien que le comportement de l’algorithme 4.1 sera très différent suivant la valeur de λ. Tout d’abord, il est facile de montrer que la fonction g(x) est une application de l’intervalle [0 , 1] dans lui-même (g(x) ∈ [0 , 1] si x ∈ [0 , 1]) seulement pour : 0<λ<4

168

Chapitre 4

En effet, le maximum de g(x) est atteint en x = 21 et vaut λ4 . Nous nous limitons donc à ces valeurs de λ, qui sont de loin les plus intéressantes. En premier lieu, il convient de déterminer les points fixes de g(x) et de vérifier s’ils sont attractifs ou répulsifs. Bien entendu, cela dépendra de λ. Les points fixes sont les solutions de : x = g(x) = λx(1 − x) On constate immédiatement que 0 est une solution de cette équation et est donc un point fixe. Si l’on suppose que x ̸= 0 et que l’on divise chaque côté de l’égalité par x, on obtient : 1 = λ(1 − x) ce qui entraîne que :

λ−1 (4.2) λ est un autre point fixe. En fait, 0 et r∗ sont les deux seuls points fixes de g(x). Voyons maintenant s’ils sont attractifs. Pour ce faire, il faut calculer la dérivée de g(x), à savoir : g ′ (x) = λ(1 − 2x) (4.3) x = r∗ =

On a donc d’une part :

g ′ (0) = λ

ce qui signifie que 0 sera un point fixe attractif si : |g ′ (0)| < 1 c’est-à-dire si : 0 < λ < 1 = λ1 puisqu’on ne considère pas les valeurs négatives de λ. D’autre part : ( ( )) λ−1 g ′ (r∗ ) = λ(1 − 2r∗ ) = λ 1 − 2 =2−λ λ Le point fixe r∗ est donc attractif si : |2 − λ| < 1 ou encore si :

−1 < 2 − λ < 1 −3 < −λ < −1 1 < λ < 3 = λ2

On note λ2 la borne supérieure de cet intervalle, soit λ2 = 3. On en conclut que r∗ est attractif pour ces valeurs de λ. On remarque de plus que, lorsque λ = 1, r∗ = 0 et il n’y a alors qu’un seul point fixe. On montre que ce point fixe est attractif même si g ′ (0) = 1 en vertu de l’équation 4.3. La convergence est cependant très lente. La situation est illustrée aux figures 4.1 et 4.2, où la fonction g(x) est tracée pour deux valeurs de λ, soit 0,5 et 1,5. On voit dans le premier cas (λ = 0,5) que la pente de g(x) est inférieure à 1 en x = 0 et qu’il n’y a pas d’autre point fixe dans l’intervalle [0 , 1]. Par contre, pour λ = 1,5,

Méthodes itératives et systèmes dynamiques discrets

1,0

g(x) 0,8

0,6

0,4

0,2

0,0 0

0,2

0,4

0,6

0,8

1,0

x Figure 4.1 – Application quadratique : λ = 0,5

1,0

g(x) 0,8

0,6

0,4

0,2

0,0 0

0,2

0,4

0,6

0,8

1,0

x Figure 4.2 – Application quadratique : λ = 1,5

169

170

Chapitre 4

il y a bien deux points fixes x = 0 et x = r∗ , dont seul r∗ est attractif, car g ′ (r∗ ) < 1. Vérifions tout cela avec quelques exemples. Prenons d’abord λ = 0,5. On a alors r∗ = −1 qui ne peut être attractif puisqu’il est l’extérieur de l’intervalle [0 , 1]. À partir de x0 = 0,9 par exemple, on trouve les itérations suivantes. Application quadratique : λ = 0,5 n xn n xn 0 0,900 0000 6 0,001 2902 1 0,045 0000 7 0,000 6426 2 0,021 4875 8 0,000 3219 3 0,010 5128 9 0,000 1609 4 0,005 2011 10 0,000 0804 .. .. 5 0,002 5871 . . Ces itérations convergent rapidement vers le point fixe 0. Si l’on prend maintenant λ = 0,95, toujours à partir de x0 = 0,9, on obtient les itérations suivantes. Application quadratique : λ = 0,95 n xn n xn 0 0,900 0000 6 0,046 7527 1 0,085 5000 7 0,042 3386 2 0,074 2802 8 0,038 5187 3 0,065 3245 9 0,035 1833 4 0,058 0044 10 0,032 2482 .. .. 5 0,051 9079 . . Ces dernières convergent vers 0, mais beaucoup plus lentement. Cela tient au fait que le taux de convergence g ′ (0) = λ vaut 0,5 dans le premier cas et 0,95 dans le second cas. La convergence est donc plus rapide pour λ = 0,5. Pour s’assurer de la convergence vers 0, il faudrait faire beaucoup plus que 10 itérations. Par exemple, pour λ = 0,95, on trouverait x200 = 0,114 1385 × 10−5 . Passons maintenant à λ = 1,5, pour lequel r∗ = 31 . L’analyse a démontré que, dans ce cas, 0 est répulsif puisque g ′ (0) = 1,5, mais que r∗ est attractif. À partir cette fois de x0 = 0,1, on obtient les itérations suivantes. Application quadratique : λ = 1,5 n xn n xn 0 0,100 0000 7 0,042 3386 1 0,085 5000 8 0,038 5187 2 0,074 2802 9 0,035 1833 3 0,065 3245 10 0,032 2482 4 0,058 0044 .. .. 5 0,051 9079 . . 6 0,046 7527 20 0,333 3313 Les itérations convergent donc vers r∗ = 13 , un résultat qui confirme l’analyse précédente. On obtiendrait des résultats similaires pour des valeurs de λ situées dans l’intervalle ]1 , 3[. Notons cependant que la valeur de r∗ varie avec λ.

Méthodes itératives et systèmes dynamiques discrets

171

La question fondamentale est maintenant la suivante : que se passe-t-il si l’on prend des valeurs de λ supérieures à 3 ? On pourrait s’attendre à ce que les itérations de l’algorithme 4.1 divergent. Heureusement, ce n’est pas le cas, mais pour expliquer ce comportement il nous faut élargir la notion de convergence. Jusqu’à maintenant, nous n’avons parlé de convergence que vers un point (fixe). Or, il arrive qu’un algorithme converge vers autre chose qu’un point fixe. On parle alors d’un attracteur (voir par exemple Gulick, réf. [21]). Définition 4.1 Un ensemble A ⊂ Rn est dit un attracteur d’une application : g : V → Rn où V est un sous-ensemble de Rn , si les conditions suivantes sont respectées : 1. Si x ∈ A, alors g(x) ∈ A. 2. Il existe un voisinage U de A tel que, si x0 ∈ U , la suite xn+1 = g(xn ) converge vers A. 3. L’ensemble A est indécomposable.

Remarque 4.2 La définition qui précède indique que, pour que A soit un attracteur, il faut que tout point x de l’ensemble A soit projeté sur un autre point de A par l’application g(x). C’est bien sûr le cas d’un point fixe qui est envoyé sur lui-même. La deuxième condition traduit le fait que, si l’on part d’un point x0 suffisamment près de A, les itérations de l’algorithme des points fixes s’approchent de plus en plus de l’ensemble A. On étend ainsi aux attracteurs la notion de bassin d’attraction introduite pour les points fixes. Mentionnons enfin que le sens précis que l’on doit donner au mot « indécomposable » varie d’un auteur à l’autre. Disons simplement qu’on ne peut rien enlever à l’ensemble A pour que les deux premières propriétés restent vraies. 

Remarque 4.3 On ne considère pour l’instant que le cas n = 1 des applications de R dans R. Le cas général sera traité un peu plus loin. Un point fixe est donc un attracteur (voir le chapitre 2) s’il existe un intervalle I contenant ce point fixe pour lequel g(x) ∈ I, ∀x ∈ I, et qui vérifie : |g ′ (x)| < 1 ∀x ∈ I  Cette définition d’un attracteur est quelque peu imprécise, mais elle suffit aux besoins de l’exposé. Prenons par exemple λ = 3,1 et observons ce qui se passe. À partir de x0 = 0,5, on obtient les itérations suivantes.

172

Chapitre 4 Application quadratique : λ = 3,1 n xn n xn 1 0,775 0000 14 0,557 4733 2 0,540 5625 15 0,764 7601 3 0,769 8995 16 0,557 6964 4 0,549 1781 17 0,764 6804 5 0,767 5026 18 0,557 8271 6 0,553 1711 19 0,764 6336 7 0,766 2357 20 0,557 9039 .. .. 8 0,555 2674 . . 9 0,765 5310 47 0,764 5665 10 0,556 4290 48 0,558 0140 11 0,765 1288 49 0,764 5665 12 0,557 0907 50 0,558 0140 13 0,764 8960

On remarque immédiatement un comportement surprenant. Les itérations oscillent entre les valeurs de 0,5580 et de 0,7645. Il n’y a donc pas convergence au sens habituel. En fait, les itérations paires convergent vers environ 0,558 014 et les itérations impaires, vers 0,764 566. Pour comprendre ce qui se passe, il suffit de constater que les itérations paires et impaires correspondent aux itérations de la fonction composée : g1 (x) = g(g(x)) = λg(x)(1 − g(x)) = λ(λx(1 − x))(1 − λx(1 − x)) c’est-à-dire : g1 (x) = λ2 x(1 − x)(1 − λx + λx2 ) Pour déterminer les points fixes de la fonction g1 (x), il suffit de résoudre : x = g1 (x) = λ2 x(1 − x)(1 − λx + λx2 ) Il est clair que tout point fixe de g(x) est un point fixe de g1 (x). Le point r∗ donné par l’équation 4.2 ainsi que 0 sont donc des points fixes de g1 (x), mais nous savons qu’ils sont répulsifs pour λ > 3. Il existe cependant d’autres points fixes de g1 (x) qui ne sont pas des points fixes de g(x). Après avoir divisé l’équation précédente par x de chaque côté, quelques manipulations algébriques nous amènent à résoudre l’équation : λ3 x3 − 2λ3 x2 + λ2 (1 + λ)x + (1 − λ2 ) = 0 dont les trois racines sont r∗ et : ( ) 1 1 1 √ (2) (2) r 1 , r2 = + ± (λ − 3)(λ + 1) 2 2λ 2λ On montre alors que : (2)

(2)

(2)

(2)

r1 = g(r2 ) et r2 = g(r1 )

(4.4)

Méthodes itératives et systèmes dynamiques discrets (2)

173

(2)

c’est-à-dire que r1 est envoyé sur r2 par l’application g(x) et vice versa. Dans le cas où λ = 3,1, on a en vertu de l’équation 4.4 : (2)

(2)

r1 ≃ 0,558 014 et r2 ≃ 0,764 566 ce qui correspond bien à ce que nous avons observé numériquement. L’ensemble (2) (2) (2) (2) {r1 , r2 } est l’orbite de r1 (et également de r2 ) c’est-à-dire la trajectoire (2) (2) que tracent les itérations partant de r1 ou r2 . En effet, si on démarre la (2) (2) méthode des points fixes à partir de r1 ou de r2 , les itérations oscillent (2) (2) entre ces deux points. On dit que r1 et r2 sont des points 2-périodiques (2) (2) (d’où la présence de l’indice supérieur « (2) ») et que {r1 , r2 } est une orbite 2-périodique. On peut dès lors s’interroger sur la stabilité de cette orbite. En d’autres termes, pour quelles valeurs de λ cette orbite 2-périodique est-elle attractive et donc un attracteur ? Théorème 4.4 (2) (2) L’orbite 2-périodique {r1 , r2 } donnée par l’équation 4.4 est attractive pour : √ 3 = λ2 < λ < λ3 = 1 + 6 ≃ 3,449 489 Démonstration (voir Gulick, réf. [21]) : (2) (2) Il suffit de montrer que r1 et r2 sont des points fixes attractifs de la fonction (2) g1 (x) = g(g(x)). La démonstration n’est faite que pour r1 , puisque l’autre cas est similaire. Par la règle de dérivation en chaîne, on a : g1′ (x) = g ′ (g(x))g ′ (x) de telle sorte que : g1′ (r1 ) = g ′ (g(r1 ))g ′ (r1 ) = g ′ (r2 )g ′ (r1 ) = λ2 (1 − 2r1 )(1 − 2r2 ) (2)

(2)

(2)

(2)

(2)

(2)

(2)

(2)

(2) (2)

= λ2 (1 − 2(r1 + r2 ) + 4r1 r2 ) Un simple calcul à l’aide de l’équation 4.4 mène aux égalités : (2)

(2)

r1 + r2 = 1 +

1 λ

(2) (2)

r1 r2 =

1 1 + 2 λ λ

de telle sorte que : (2) g1′ (r1 )

ou encore :

( =λ

2

(

1 1−2 1+ λ

)

( +4

1 1 + 2 λ λ

g1′ (r1 ) = −λ2 + 2λ + 4 (2)

Il reste à obtenir les valeurs de λ pour lesquelles on aura : |g1′ (r1 )| = | − λ2 + 2λ + 4| < 1 (2)

))

(2)

174

Chapitre 4

C’est le cas si : −1 <

−λ2 + 2λ + 4

<

1

⇔ −1 < −(λ − 1)2 + 5 <

1

⇔ −6 <

−(λ −

1)2

−4

<



4 <

(λ − 1)2

<



2 <

(λ − 1)

<



3 <

λ



< 1+



6 6 6

√ On peut même démontrer que le cas λ3 = 1 + 6 donne également lieu à une orbite 2-périodique attractive (la démonstration est cependant délicate). ⋆ √ Pour toute valeur de λ ∈ ]λ2 , λ3 ] = ]3 , 1+ 6], on observe donc une orbite (2) (2) 2-périodique attractive. La valeur des points r1 et r2 varie avec λ, mais le comportement général est le même. Le tableau suivant résume la convergence de l’application quadratique. Convergence de l’application quadratique 0 < λ ≤ λ1 = 1 0 est un point fixe attractif λ1 < λ ≤ λ2 = 3 r∗ est un point fixe attractif √ (2) (2) λ2 < λ ≤ λ3 = 1 + 6 {r1 , r2 } est une orbite 2-périodique attractive √ L’étude du cas où λ > 1 + 6 est relativement complexe, mais on peut en comprendre les grandes lignes. L’orbite 2-périodique devient répulsive et est remplacée par une orbite 4-périodique, qui est constituée des 4 points fixes (4) (4) (4) (4) {r1 , r2 , r3 , r4 } de la fonction : g2 (x) = g1 (g1 (x)) = g(g(g(g(x)))) vérifiant : (4)

(4)

g(r1 ) = r2 ,

(4)

(4)

g(r2 ) = r3 ,

(4)

(4)

g(r3 ) = r4

(4)

(4)

et g(r4 ) = r1

Cette orbite 4-périodique est attractive pour λ ∈ ]λ3 , λ4 ]. Selon Gulick (réf. [21]), la valeur de λ4 se situe autour de 3,539 58. À son tour, cette orbite 4-périodique est remplacée par une orbite 8-périodique attractive dans l’intervalle ]λ4 , λ5 ] et ainsi de suite. À chaque étape, la période de l’attracteur est doublée et l’on parle d’une cascade de dédoublements de période. Plusieurs phénomènes intéressants se produisent alors : – la distance entre les valeurs critiques λn où se produisent les dédoublements de période diminue et tend même vers 0. Cela signifie que l’intervalle où une orbite 2n -périodique sera attractive est d’autant plus étroit que n est grand. Il est par conséquent difficile d’observer expérimentalement une orbite 2n -périodique pour n grand ;

Méthodes itératives et systèmes dynamiques discrets

175

1,0

x 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 2,7

2,8

2,9

3

3,1

3,2

3,3

3,4

λ

3,5

3,6

3,7

Figure 4.3 – Application quadratique : diagramme de bifurcation – on peut montrer que : lim λn = 3,615 47...

n→∞

– la distance entre les λn consécutifs est régie par ce qui semble une loi universelle de la forme : lim

n→∞

λn − λn−1 = d∞ = 4,669 202... λn+1 − λn

(4.5)

Le nombre d∞ est appelé constante universelle de Feigenbaum qui est universelle en ce sens que tout phénomène physique qui subit une cascade de dédoublements de période obéit à la loi 4.5. On a observé les cascades de dédoublements de période en laboratoire dans des problèmes de mécanique des fluides, de convection naturelle, de réactions chimiques, etc. Chaque fois, on a réussi à mettre au moins partiellement en évidence la relation 4.5 ; – pour les valeurs de λ supérieures à λ∞ , le comportement de l’application quadratique est très complexe. Sans en faire l’étude détaillée, mentionnons que l’on peut observer des orbites attractives de toutes les périodes bien que, parmi les plus visibles, beaucoup sont de période impaire. Pour certaines valeurs de λ le comportement des itérations est même dit chaotique en ce sens qu’il donne l’apparence d’être aléatoire (tout en étant déterministe). La situation complète est résumée à la figure 4.3, où l’on a placé en abscisse les valeurs de λ. On obtient cette figure en faisant 2000 itérations de l’algorithme 4.1 et en mettant en ordonnée les valeurs des 1000 dernières itérations seulement, et ce, pour toutes les valeurs de λ dans l’intervalle [2,8 , 3,7] par

176

Chapitre 4

incrément de 0,001. Dans le cas où les itérations convergent vers un point fixe, ces 1000 itérés se confondent en un seul point. Dans le cas où on a une orbite 2-périodique attractive, les itérations se superposent sur deux points, etc. Les 1000 premières itérations permettent d’éliminer tout effet transitoire et de s’assurer que la convergence est bien établie. Un tel graphique est appelé diagramme de bifurcation.

4.3

Méthodes des points fixes : cas complexe

On peut encore utiliser les méthodes des points fixes du chapitre 2 dans le cas d’équations non linéaires de la forme : f (z) = 0

(4.6)

où z = x+iy est un nombre complexe et f (z) est une fonction non linéaire d’une variable complexe. Il faut bien entendu transformer au préalable l’équation sous la forme z = g(z). Dans ce cas précis, l’interprétation géométrique que nous avons donnée de cette méthode n’est plus valable, mais l’algorithme de base reste le même : { z0 donné (4.7) zn+1 = g(zn ) où zn = xn + iyn . La convergence des méthodes des points fixes appliquées aux variables complexes obéit à des règles similaires au cas réel. On a le résultat suivant. Théorème 4.5 Soit g(z), une fonction continue dans une région D du plan complexe et telle que g(z) ∈ D pour tout z dans D. Si de plus g ′ (z) existe et si : |g ′ (z)| ≤ k < 1 pour tout z dans D, alors tous les points z0 de D appartiennent au bassin d’attraction de l’unique point fixe r de D. ⋆ Remarque 4.6 Ce résultat est en parfaite concordance avec celui obtenu au chapitre 2, à la différence près que la norme de g ′ (z) est la norme complexe (ou module complexe) définie par : √ |z| = |x + iy| = x2 + y 2  Rappelons que la dérivation d’une fonction d’une variable complexe suit essentiellement les mêmes règles que celle des fonctions réelles. En particulier, la méthode de Newton s’écrit dans le cas complexe :  donné  z0 f (zn ) (4.8) = zn − ′  zn+1 f (zn )

Méthodes itératives et systèmes dynamiques discrets

177

Exemple 4.7 On désire résoudre l’équation : f (z) = z 2 + 1 = 0 qui ne possède évidemment pas de solution réelle, les deux racines étant z = ±i. L’algorithme devient dans ce cas : zn+1 = zn −

(zn2 + 1) zn 1 = − 2zn 2 2zn

À partir de z0 = 1 + i, l’algorithme 4.8 donne les valeurs suivantes : Méthode de Newton : cas complexe n zn 0 1,0 + i 1 0,25 + i 0,75 2 −0,75 + i 0,975 3 0,001 715 + i 0,9973 4 0,928 × 10−5 + i 1,000 002 162 On constate donc la convergence vers la solution z = +i.  Remarque 4.8 Dans certains langages informatiques, le calcul peut s’effectuer directement avec les nombres complexes. Il est également possible de séparer les parties réelles et imaginaires ; on peut alors traiter seulement les nombres réels. Dans l’exemple précédent, on obtiendrait ainsi : ( ( ) ) 1 xn yn i zn+1 = xn − 2 yn + 2 + 2 (xn + yn2 ) 2 (xn + yn2 ) où zn = xn + iyn . Si z0 est choisi sur l’axe réel (y0 = 0), l’algorithme diverge, car tous les zn restent sur l’axe réel et ne peuvent jamais s’approcher de z = ±i.  Tout comme dans le cas réel, la suite zn définie par l’algorithme 4.7 est appelée l’orbite du point z0 . En d’autres termes, l’orbite du point z0 est la trajectoire du plan complexe que tracent les différents points zn . Dans le dernier exemple, la trajectoire du point z0 = 1 + i convergeait vers z = i. Cette définition nous entraîne vers un exemple très intéressant qui montre une fois de plus que des notions simples peuvent aboutir à des comportements complexes. Considérons le cas particulier de la fonction : gc (z) = z 2 + c

(4.9)

où c = cr + ici est un nombre complexe pour le moment quelconque. Pour une valeur de c donnée, l’orbite de z0 = 0 aura typiquement deux comportements

178

Chapitre 4

très différents l’un de l’autre. Pour certaines valeurs de c, les itérés de l’algorithme 4.7 tendront vers l’infini. Par contre, pour d’autres valeurs de c, la suite zn restera bornée. Cela nous permet de présenter l’ensemble de Mandelbrot (réf. [27]). Définition 4.9 L’ensemble de Mandelbrot est défini comme étant l’ensemble des valeurs de c pour lesquelles l’orbite de z0 = 0 pour l’algorithme des points fixes : zn+1 = gc (zn ) = zn2 + c reste bornée lorsque n → ∞. Pour représenter l’ensemble de Mandelbrot, on utilise un algorithme très facile à programmer. Algorithme 4.10 : Ensemble de Mandelbrot 1. Étant donné N , le nombre maximal d’itérations 2. Étant donné M , une borne supérieure pour l’orbite 3. Étant donné N P IXH et N P IXV , la résolution horizontale et verticale de l’écran utilisé 4. Considérer seulement les valeurs de c = cr + ici pour lesquelles : [ ] [ ] cr ∈ Ir = c1r , c2r , ci ∈ Ii = c1i , c2i 5. Diviser les intervalles Ir et Ii en respectivement N P IXH et N P IXV sous-intervalles. Noter ci,j , le point milieu du rectangle formé par le produit cartésien du ie intervalle horizontal par le j e intervalle vertical. Le point ci,j est ainsi associé au pixel situé à la ie rangée et à la j e colonne de l’écran. 6. Effectuer les opérations suivantes : a) à partir de z0 = 0 b) effectuer z1 = z02 + ci,j c) effectuer z0 = z1 d) si |z0 | > M : – orbite non bornée – ci,j n’appartient pas à l’ensemble de Mandelbrot – allumer le pixel associé à ci,j e) si |z0 | < M et si le nombre maximal d’itérations N est atteint : – orbite bornée – ci,j appartient à l’ensemble de Mandelbrot – pixel associé à ci,j reste non allumé (noir) f) passer à la valeur suivante de ci,j et retour à l’étape (a) N

Méthodes itératives et systèmes dynamiques discrets

179

1 0.8 0.6 0.4 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −2

−1.5

−1

−0.5

0

0.5

1

0.05 0.04 0.03 0.02 0.01 0 −0.01 −0.02 −0.03 −0.04 −0.05 −1.4

−1.38

−1.36

−1.34

−1.32

−1.3

−1.28

−1.26

Figure 4.4 – Ensemble de Mandelbrot

Voici quelques valeurs précises qui permettent d’obtenir de bons résultats. – Le nombre maximal d’itérations N peut être fixé à 500. – La borne supérieure M pour la norme de zn peut être fixée à 4. – On peut prendre les intervalles Ir = [−2 , 1] et Ii = [−1,1 , 1,1]. – On peut également introduire des variantes. On peut en effet colorer le pixel associé à une valeur de c qui n’appartient pas à l’ensemble de Mandelbrot en fonction du nombre d’itérations nécessaires pour que |zn | > M . On a obtenu la figure 4.4 en utilisant les valeurs précédentes. On remarque l’extrême irrégularité de la frontière de cet ensemble. On y a aussi effectué un agrandissement de la toute petite « bulle » à l’extrême gauche de l’ensemble de Mandelbrot qui permet de constater que le motif général se répète à l’infini.

180

Chapitre 4 2

1.5

1

0.5

0

−0.5

−1

−1.5

−2 −2

−1.5

−1

−0.5

0

0.5

1

1.5

2

0.5

0.4

0.3

0.2

0.1

0

−0.1

−0.2

−0.3

−0.4

−0.5 −0.5

−0.4

−0.3

−0.2

−0.1

0

0.1

0.2

0.3

0.4

0.5

Figure 4.5 – Ensemble de Julia Exemple 4.11 Il est bien facile de constater que le polynôme f (z) = z 4 −1 possède exactement 4 racines soit r1 = 1, r2 = −1, r3 = i et r4 = −i. En partant de z0 quelque part dans le plan complexe, les itérations de la méthode de Newton : zn+1 = zn −

zn4 − 1 3zn4 + 1 = 4zn3 4zn3

sont susceptibles de converger vers l’une ou l’autre de ces racines, ou tout simplement de diverger. Rappelons que la méthode de Newton appliquée à f (z) est une méthode de points fixes sur g(z) = (3z 4 + 1)/(4z 3 ). La question est maintenant de savoir pour quelles valeurs de z0 l’algorithme convergera vers ri . En d’autres termes, quel est le bassin d’attraction de chacune des racines ri ? La réponse est complexe et nous y répondrons encore ici par une expérience

Méthodes itératives et systèmes dynamiques discrets

181

numérique. Pour simplifier, nous allons considérer les valeurs de z0 = x0 + iy0 pour −2 < x0 < 2 et −2 < y0 < 2. Partant d’un tel point du plan complexe, on effectue 1000 itérations de la méthode de Newton. On colore le point z0 en utilisant des teintes de gris (ou des couleurs) différentes suivant que les itérations convergent vers l’une ou l’autre des racines ou encore si l’algorithme diverge. On obtient la figure 4.5 où on a un aperçu du résultat ainsi qu’un agrandissement de la zone centrale. Pour un z0 donné, on observe ainsi qu’il n’est pas du tout évident de deviner a priori vers quelle racine l’algorithme convergera ! La frontière entre les bassins d’attraction des 4 racines est extrêmement complexe et est appelée l’ensemble de Julia de la fonction g(z). Il s’agit encore ici d’un ensemble de dimension fractionnaire. 

4.4

Rappels sur les valeurs et vecteurs propres

Les notions de valeurs et vecteurs propres d’une matrice jouent un rôle très important en ingénierie. Les fréquences propres d’un système en vibration sont obtenues par un calcul de valeurs propres. Les vecteurs propres correspondants sont des modes fondamentaux de vibration de ce système. De même, les valeurs et directions principales de contraintes principales en mécanique des milieux continus sont les valeurs et vecteurs propres de la matrice (tenseur) de contraintes. Les valeurs propres jouent également un rôle fondamental dans la compréhension des méthodes des points fixes en plusieurs dimensions. Nous rappelons dans cette section les principales définitions de même que la méthode des puissances qui permet de calculer quelques-unes des valeurs propres d’une matrice ainsi que les vecteurs propres correspondants. Définition 4.12 Si A est une matrice de dimension n, on définit le polynôme caractéristique de A par : p(λ) = dét (A − λI) (4.10) où I est la matrice identité. Le polynôme p(λ) est de degré n et possède donc n racines réelles ou complexes conjuguées. Définition 4.13 Les racines (ou zéros) du polynôme caractéristique sont appelées valeurs propres de la matrice A. Si λ est une valeur propre, la matrice A − λI est singulière (puisque son déterminant est nul) et le système : (A − λI)⃗x = 0

182

Chapitre 4

ou encore : A⃗x = λI⃗x = λ⃗x

(4.11)

possède des solutions non nulles. En effet, le système 4.11 possède toujours la solution ⃗x = ⃗0 ; si λ est une valeur propre, il existe également d’autres solutions. Définition 4.14 Une solution non nulle du système 4.11 est appelée vecteur propre de A associé à la valeur propre λ.

Exemple 4.15 Soit la matrice :

[

1 2 −2 2

]

Le polynôme caractéristique est alors : 1−λ 2 dét (A − λI) = −2 2 − λ dont les racines sont : λ1,2

= (1 − λ)(2 − λ) + 4 = λ2 − 3λ + 6

√ 3 ± i 15 = 2

et qui sont donc les 2 valeurs propres de la matrice A.  Rappelons quelques propriétés élémentaires des valeurs et vecteurs propres. Si l’on dénote λi et ⃗v i les n valeurs et vecteurs propres d’une matrice A, alors les valeurs propres de la matrice A−1 sont λ1i et les vecteurs propres restent les mêmes. En effet, si : A⃗v i = λi⃗v i en multipliant à gauche et à droite par A−1 , on trouve : ⃗v i = λi A−1⃗v i d’où l’on tire : A−1⃗v i =

1 i ⃗v λi

Le calcul des valeurs et vecteurs propres d’une matrice est un problème difficile, en particulier dans le cas de matrices de très grande taille. Nous introduisons dans la section qui suit quelques techniques permettant de calculer quelques-unes des valeurs propres.

Méthodes itératives et systèmes dynamiques discrets

4.4.1

183

Méthode des puissances

Dans les cas de matrices de grande taille, il est impensable de calculer les valeurs propres en déterminant les racines du polynôme caractéristique, comme nous l’avons fait dans l’exemple précédent. Souvent, il n’est nécessaire que de calculer quelques valeurs propres, à savoir les plus petites ou les plus grandes en valeurs absolues. On détermine ainsi les plus importantes fréquences propres d’un système en vibration et, bien entendu, on en déduit les modes fondamentaux. Rappelons enfin qu’il existe de nombreuses techniques de calcul des valeurs propres, mais que c’est la méthode des puissances qui est la plus utilisée. Suivant Rappaz et Picasso (réf. [30]), nous supposons que la matrice A de dimension n est symétrique. Cela nous assure que les valeurs propres sont réelles et nous permet d’affirmer qu’il existe une base orthonormale de vecteurs propres (voir par exemple Strang [34]) que nous noterons ⃗v j , pour j allant de 1 à n. On a ainsi : A⃗v j = λj ⃗v j 1 ≤ j ≤ n ⃗v j · ⃗v i = 0 i ̸= j ⃗v j · ⃗v j = 1 1≤j≤n Nous supposons de plus que les valeurs propres λj de A vérifient : |λ1 | > |λ2 | ≥ |λ3 | · · · ≥ |λn | En d’autres termes, la plus grande valeur propre (en valeur absolue) est strictement plus grande que les autres valeurs propres et est donc de multiplicité 1, c’est-à-dire une racine simple du polynôme caractéristique p(λ). Nous allons construire une suite de nombres réels νi et une suite de vecteurs ⃗y i convergeant respectivement vers la plus grande valeur propre λ1 de A et un vecteur propre associé ⃗v 1 . L’algorithme de la méthode des puissances prend la forme toute simple suivante : Algorithme 4.16 : Méthode des puissances 1. 2. 3. 4.

N

Étant donné ϵa , un critère d’arrêt Étant donné N , le nombre maximal d’itérations Étant donné ⃗x0 , un vecteur quelconque et ν0 un nombre réel Effectuer pour i allant de 1 jusqu’à N : – ⃗xi = A⃗xi−1 i – ⃗y i = ⃗xi ||⃗x ||2 A⃗xi · ⃗xi A⃗xi · ⃗xi – νi = = = A⃗y i · ⃗y i ⃗xi · ⃗xi ||⃗xi ||22 |νi − νi−1 | – si ≤ ϵa : convergence atteinte et arrêt |νi | – si i = N : nombre maximal d’itérations atteint et arrêt

184

Chapitre 4

Remarque 4.17 On peut facilement réécrire l’algorithme précédent en s’assurant de n’effectuer qu’un seul produit matrice-vecteur à chaque itération. Tel que présenté, l’algorithme est cependant plus simple bien que moins efficace sur le plan numérique. Tâchons maintenant d’établir la convergence de cet algorithme. On commence par exprimer le vecteur de départ ⃗x0 suivant la base de vecteurs propres. On obtient ainsi : n ∑ ⃗x0 = αj ⃗v j j=1

On doit ici faire l’hypothèse que α1 ̸= 0 ou encore que le vecteur ⃗x0 n’est pas orthogonal au premier vecteur propre ⃗v 1 . Si c’est le cas, on devra choisir un autre vecteur ⃗x0 . On a ainsi : ⃗x1 = A⃗x0 =

n ∑

αj A⃗v j =

j=1

n ∑

αj λj ⃗v j

j=1

et de même : 2

1

2 0

⃗x = A⃗x = A ⃗x =

n ∑

j

αj λj A⃗v =

j=1

n ∑

αj λ2j ⃗v j

j=1

et par récurrence : ⃗xi = Ai ⃗x0 =

n ∑

αj Ai⃗v j =

j=1

n ∑

αj λij ⃗v j

(4.12)

j=1

En vertu de l’orthonormalité des vecteurs propres ⃗v j , on a d’une part : ||⃗xi ||22 = ⃗xi · ⃗xi =

n ∑

αj2 λ2i j

(4.13)

j=1

et d’autre part :  A⃗x · ⃗x =  i

i

n ∑

  αj λi+1 vj  j ⃗

·

j=1

n ∑

 αj λij ⃗v j 

j=1

=

n ∑

αj2 λ2i+1 j

j=1

On en conclut que : 

n ∑



)2i+1  λ j αj2      λ1   j=1   = λ1  n ( )    ∑ 2 λj 2i     αj λ1

αj2 λ2i+1  j

 A⃗xi · ⃗xi   j=1 νi = i i =  n  ∑ 2 2i ⃗x · ⃗x  α λ j j

j=1



n ∑

j=1

(

Méthodes itératives et systèmes dynamiques discrets λ

de sorte que, puisque λ1j < 1, les limites lorsque i tend vers l’infini de ( )2i+1 λ tendent vers 0 pour j ̸= 1. On a ainsi : et de λ1j

(

185 )2i

λj λ1

lim νi = λ1

i→∞

la plus grande valeur propre recherchée. Remarque 4.18 λ La convergence sera d’autant plus rapide que les coefficients λ1j seront petits. Le plus grand de ces coefficients est bien sûr λλ12 et c’est pourquoi on a supposé que λ1 > λ2 . Si ce n’est pas le cas, on peut perdre la convergence de l’algorithme. Ainsi, plus λλ21 sera petit, plus la convergence sera rapide.  En ce qui concerne le vecteur propre, nous allons montrer que : ( i ) ⃗x i k lim ⃗y · ⃗v = lim · ⃗v k = 0 ∀k ̸= 1 i→∞ i→∞ ||⃗ xi ||2 i

de sorte que, si i est assez grand, le vecteur ||⃗x⃗xi ||2 est presque orthogonal à tous les vecteurs propres sauf au premier. En effet, en vertu des équations 4.12 et 4.13, on a que : 

 n ∑

( )i  i j  λk α λ ⃗ v   j j ( i ) αk   i ⃗x αk λk λ1  j=1  k ·⃗v k =   ·⃗v =  1  1 =  1  n  ||⃗xi ||2 2 2 ( )2i 2 n n  ∑  ∑ ∑ λj        αj2 λ2i αj2 λ2i αj2 j j λ1 j=1

j=1

j=1

Le dernier terme de droite de cette expression tend visiblement vers 0 de sorte i que, à la limite, le vecteur ||⃗x⃗xi ||2 est orthogonal à tous les vecteurs propres ⃗v k (k ̸= 1) et de fait parallèle au vecteur propre ⃗v 1 . Exemple 4.19 Soit la matrice symétrique :    A= 

1 −2 3 4 5 −2 3 −4 5 6 3 −4 5 6 7 4 5 6 7 −8 5 6 7 −8 9

    

dont les valeurs propres sont, par module décroissant :   17,094 2757  14,012 4959     −13,254 2004   7,770 0815  −0,622 6527

186

Chapitre 4

La méthode des puissances a produit la valeur λ1 = 17,094 2757 en une cinquantaine d’itérations ainsi que le vecteur propre unitaire correspondant :   0,238 9639  0,115 6162    ⃗v 1 =  0,358 5003   −0,302 4959  0,842 3198 On vérifie ensuite facilement que ||A⃗v 1 − λ1⃗v 1 ||2 se situe autour de 10−6 . La convergence relativement lente de l’algorithme vient du fait que λλ21 ≃ 0,82, ce qui est assez élevé, mais tout de même inférieur à 1. 

4.4.2

Méthode des puissances inverses

On peut appliquer la méthode des puissances à la matrice A−1 et obtenir la plus grande valeur propre de cette matrice qui n’est rien d’autre que λ1n où λn est la plus petite valeur propre de A. Il suffit de modifier très légèrement l’algorithme de la méthode des puissances. À l’étape 4-a de l’algorithme, il est bien entendu hors de question d’effectuer ⃗xi = A−1 ⃗xi−1 ce qui nécessiterait le calcul de la matrice inverse. Cette étape est tout simplement remplacée par la résolution du système linéaire A⃗xi = ⃗xi−1 . En modifiant très légèrement l’algorithme de la méthode des puissances, on obtient celui de la méthode des puissances inverses, qui, sous les hypothèses appropriées, converge vers la plus grande valeur propre de A−1 qui est tout simplement λ1n . Dans l’algorithme qui suit, nous nous sommes assurés de ne résoudre qu’un seul système linéaire par itération. Algorithme 4.20 : Méthode des puissances inverses 1. 2. 3. 4. 5.

N

Étant donné ϵa , un critère d’arrêt Étant donné N , le nombre maximal d’itérations Étant donné ⃗x0 , un vecteur quelconque et ν0 un nombre réel Résoudre A⃗x1 = ⃗x0 Effectuer pour i allant de 1 jusqu’à N : i – ⃗y i = ⃗xi ||⃗x ||2 ⃗xi · ⃗xi−1 – νi = ||⃗xi−1 ||22 – résoudre A⃗xi+1 = ⃗xi |νi − νi−1 | – si ≤ ϵa : convergence atteinte et arrêt |νi | – si i = N : nombre maximal d’itérations atteint et arrêt

Méthodes itératives et systèmes dynamiques discrets

187

Exemple 4.21 En reprenant la même matrice que celle utilisée pour illustrer la méthode des puissances, l’algorithme des puissances inverses donne la valeur −1,606 0316 après 6 itérations. Notons que la plus petite valeur propre de A est −0,622 652 et que : 1 = −0,622 652 −1,606 0316 Contrairement à ce que l’on avait observé pour la méthode des puissances, la méthode des puissances inverses dans cet exemple converge très rapidement. On explique ce phénomène par le fait que la convergence est liée au rapport n des 2 plus grandes valeurs propres de A−1 qui est en fait le rapport λλn−1 des 2 plus petites valeurs propres de A. Dans cet exemple, ce rapport est d’environ 0,08, ce qui est très petit et assure une convergence rapide. 

4.5

Méthodes des points fixes en dimension n

Il est facile d’imaginer ce que peut être un point fixe dans le cas de plusieurs variables. Il s’agit simplement d’une solution de : ⃗x = ⃗g (⃗x) ou encore de :

 x1      x2 x3  ..     . xn

= g1 (x1 , x2 , x3 , · · · , xn ) = g2 (x1 , x2 , x3 , · · · , xn ) = g3 (x1 , x2 , x3 , · · · , xn ) .. . = gn (x1 , x2 , x3 , · · · , xn )

(4.14)

(4.15)

Définition 4.22 Tout vecteur ⃗r solution du système 4.14 ou 4.15 est appelé point fixe de l’application ⃗g (⃗x). Remarque 4.23 Nous ne faisons pas la distinction entre le point (x1 , x2 , x3 , · · · , xn ) et le vec]T [ . Les deux notations sont utilisées indifféteur ⃗x = x1 x2 x3 · · · xn remment dans cette section.  L’algorithme de base des méthodes des points fixes en dimension n reste le même : { 0 ⃗x donné (4.16) i+1 ⃗x = ⃗g (⃗xi ) ]T [ . Bien que présentant des similitudes avec le où ⃗xi = xi1 xi2 xi3 · · · xin cas unidimensionnel, l’analyse de convergence des méthodes des points fixes en

188

Chapitre 4

dimension n est cependant beaucoup plus délicate. Nous préférons donc procéder par analogie avec le cas unidimensionnel. Nous avons vu que la convergence vers une racine r de l’algorithme des points fixes est assujettie à la condition : |g ′ (r)| < 1 Il faut donc trouver l’expression analogue de cette condition en dimension n. Nous verrons que les valeurs propres de la matrice jacobienne de ⃗g (⃗x) sont à la base de la convergence de l’algorithme 4.16. Considérons dans un premier temps un cas particulier de l’équation 4.14 de la forme : ⃗x = A⃗x

(c’est-à-dire ⃗g (⃗x) = A⃗x)

où A est une matrice quelconque de dimension n sur n. On note que ⃗0 est toujours un point fixe et que l’algorithme des points fixes 4.16 prend la forme : ⃗xi+1 = A⃗xi = A(A⃗xi−1 ) = · · · = Ai+1 ⃗x0

(4.17)

Il y aura convergence vers ⃗0 de la méthode des points fixes si la suite Ai ⃗x0 tend vers ⃗0 lorsque i tend vers l’infini. Il reste donc à établir sous quelles conditions cela se produit. Pour ce faire, il nous faut introduire deux autres définitions. Définition 4.24 Le rayon spectral d’une matrice A est défini par : ρ(A) = max |λi | 1≤i≤n

(4.18)

où |λi | est le module complexe de la valeur propre λi de A. Remarque 4.25 Le calcul du rayon spectral requiert le calcul de la plus grande valeur propre en module. Certaines techniques comme la méthode des puissances de la section 4.4.1 permettent de déterminer le rayon spectral, mais ce n’est pas un problème facile surtout dans le cas des matrices de grande taille. 

Définition 4.26 Une matrice A est dite convergente si : lim An = 0

n→∞

(4.19)

Suivant cette définition, il est clair que l’algorithme des points fixes 4.17 convergera vers le vecteur ⃗0 si la matrice A est convergente. Le théorème suivant fournit des conditions équivalentes et permet de déterminer si une matrice est convergente.

Méthodes itératives et systèmes dynamiques discrets

189

Théorème 4.27 Les quatre assertions suivantes sont équivalentes. 1. La matrice A est convergente. 2. Pour toute norme matricielle : lim ||An || = 0

(4.20)

lim An ⃗x = 0

(4.21)

n→∞

3. Pour tout vecteur ⃗x : n→∞

4. Le rayon spectral de A est strictement inférieur à 1 (ρ(A) < 1). ⋆ Le lecteur intéressé trouvera la démonstration complète de ce résultat dans Varga (réf. [37]). Il est assez facile de se convaincre de l’équivalence des 3 premiers énoncés. La partie la plus exigeante de la démonstration consiste à montrer que la matrice est convergente lorsque le rayon spectral est inférieur à 1. Remarque 4.28 Le théorème précédent permet d’affirmer que ⃗0 est un point fixe attractif de l’algorithme 4.17 si et seulement si le rayon spectral de la matrice A est inférieur à 1. Dans ce cas particulier, l’algorithme convergera quel que soit le vecteur initial ⃗x0 choisi, en vertu des relations 4.17 et 4.21.  Une propriété importante des matrices dont le rayon spectral est inférieur à 1 provient du résultat suivant. Théorème 4.29 Si A est une matrice telle que (ρ(A) < 1), alors la matrice (I −A) est inversible et : ∞ ∑ (I − A)−1 = I + A + A2 + A3 + · · · + An + · · · = Ai (4.22) i=0

Démonstration : Si la matrice I −A est singulière, alors 0 est une de ses valeurs propres. Il existe alors un vecteur non nul ⃗x tel que (I − A)x = ⃗0 ou encore A⃗x = ⃗x. Mais ceci nous indique que 1 est une valeur propre de A, ce qui contredit l’hypothèse que ρ(A) < 1. La matrice (I − A) est donc inversible et (I − A)−1 existe. Notons maintenant que : (I − A)(I + A + A2 + · · · + An ) = I − An+1 ou encore en multipliant de chaque côté par l’inverse : (I + A + A2 + · · · + An ) = (I − A)−1 (I − An+1 )

190

Chapitre 4

En passant à la limite de chaque côté et en rappelant que puisque A est convergente, limn→∞ An+1 = 0, on a le résultat. ⋆

Exemple 4.30 Soit la matrice :

[ A=

1 2 1 3

0

]

1 4

dont les valeurs propres sont tout simplement λ1 = calcul permet de s’assurer que : [ 2

A =

1 4 1 4

0

]

[ · · · A10 =

1 16

et que :

[ 50

A

=

1 2

et λ2 = 41 . Un simple

0,976 56 × 10−3 0,0 0,130 08 × 10−2 0,953 67 × 10−6

0,888 18 × 10−15 0,0 0,118 42 × 10−14 0,788 886 × 10−30

]

]

On constate que chaque coefficient de la matrice An tend vers 0. Enfin, on s’assure facilement que : [ −1

(I − A)

1 2 − 13

=

0 3 4

]−1

[ =

2

0

8 9

4 3

]

et que par exemple : (I − A)−1 −

20 ∑

[ Ai =

i=0

9,536 × 10−7 0 1,271 × 10−6 3,030 × 10−13

ainsi que : −1

(I − A)



40 ∑ i=0

[ i

A =

9,094 × 10−13 0 1,212 × 10−12 0

]

]

ce qui nous permet de constater, pour cet exemple, la convergence de la série 4.22.  Nous avons maintenant en main les outils nécessaires pour aborder le cas général de l’algorithme 4.16. L’exercice consiste à déterminer sous quelles conditions un point fixe noté ⃗r d’un système de dimension n est attractif. On sait qu’en dimension 1 la convergence vers le point fixe r est liée à g ′ (r), dont le rôle en dimension n est joué par la matrice jacobienne :

Méthodes itératives et systèmes dynamiques discrets  ∂g 1 (⃗r)  ∂x1    ∂g2  J(⃗r) =  ∂x (⃗r) 1  ..   .  ∂g n (⃗r) ∂x1

∂g1 (⃗r) · · · ∂x2 ∂g2 (⃗r) · · · ∂x2 .. .. . . ∂gn (⃗r) · · · ∂x2

191

 ∂g1 (⃗r)  ∂xn    ∂g2 (⃗r)   ∂xn     ∂gn (⃗r) ∂xn

L’équivalent multidimensionnel de la condition |g ′ (r)| < 1 est tout simplement ρ(J(⃗r)) < 1. Le théorème suivant, démontré dans Burden et Faires (réf. [5]), résume la situation. Théorème 4.31 Soit ⃗r, un point fixe de l’application ⃗x = ⃗g (⃗x), alors ⃗r est attractif si le rayon spectral ρ(J(⃗r)) de la matrice jacobienne de ⃗g (⃗x) est inférieur à 1 ; il est répulsif si ρ(J(⃗r)) > 1. Le cas où ρ(J(⃗r)) = 1 est indéterminé. ⋆ Remarque 4.32 Ce théorème est une généralisation du cas unidimensionnel, auquel cas la matrice jacobienne se réduit à la matrice 1 × 1, dont le seul coefficient est g ′ (r). L’unique valeur propre est bien sûr g ′ (r), de telle sorte que le rayon spectral est |g ′ (r)|. Ce dernier doit être inférieur à 1 pour que le point fixe r soit attractif.  Remarque 4.33 Dans le cas général comme dans le cas unidimensionnel, le fait que le point fixe ⃗r soit attractif ne garantit pas la convergence de l’algorithme 4.16. On doit toujours s’assurer que le vecteur initial ⃗x0 appartient au bassin d’attraction du point fixe. La tâche est d’autant plus difficile que le système est de grande dimension. 

Exemple 4.34 Il est facile de démontrer que l’application : √ { x1 = 2 − x22 √ x2 = x1 [ ]T (voir les exercices de fin de chapitre). ne possède que le seul point fixe 1 1 La matrice jacobienne est dans ce cas :   [ ] √−x2 2 0 0 −1 2−x2   J(x1 , x2 ) = et J(1, 1) = 1 0 √1 0 2 2 x1

192

Chapitre 4

Le polynôme caractéristique est alors p(λ) = λ2 + 12 et les valeurs propres sont √ √ [ ]T ±i 12 . Le point fixe 1 1 est attractif puisque le rayon spectral est 12 [ ]T et est inférieur à 1. Si l’on retient le vecteur ⃗x0 = 0 0 comme solution initiale, on trouve les valeurs suivantes de l’algorithme 4.16. Méthode des points xn1 xn2 0,141 42 × 101 0,000 00 × 100 0,141 42 × 101 0,118 92 × 101 0,765 37 × 100 0,118 92 × 101 0,765 37 × 100 0,874 85 × 100 0,111 11 × 101 0,874 85 × 100 0,111 11 × 101 0,105 41 × 101 0,942 79 × 100 0,105 41 × 101 0,942 79 × 100 0,970 98 × 100 0,102 82 × 101 0,970 98 × 100 0,102 82 × 101 0,101 40 × 101 0,985 80 × 100 0,101 40 × 101 0,985 80 × 100 0,992 87 × 100

fixes en dimension n xn1 13 0,100 71 × 101 14 0,100 71 × 101 15 0,996 46 × 100 16 0,996 46 × 100 17 0,100 18 × 101 18 0,100 18 × 101 19 0,999 11 × 100 20 0,999 11 × 100 21 0,100 04 × 101 22 0,100 04 × 101 23 0,999 78 × 100 24 0,999 78 × 100

2

xn2 0,992 87 × 100 0,100 35 × 101 0,100 35 × 101 0,998 23 × 100 0,998 23 × 100 0,100 09 × 101 0,100 09 × 101 0,999 56 × 100 0,999 56 × 100 0,100 02 × 101 0,100 02 × 101 0,999 89 × 100 [ ]T On constate une convergence relativement lente vers le point fixe 1 1 .  n 1 2 3 4 5 6 7 8 9 10 11 12

Attracteur d’Hénon Considérons un cas bien particulier d’application non linéaire : g1 (x1 , x2 ) = 1 − ax21 + x2 g2 (x1 , x2 ) = bx1

(4.23)

où les paramètres a et b sont précisés plus loin. L’algorithme des points fixes en dimension 2 devient dans ce cas :  (x0 , x0 ) donné    1 2 (4.24) xn+1 = 1 − a(xn1 )2 + xn2  1   xn+1 = bxn1 2 Déterminons en premier lieu les points fixes de cette application. Il suffit de résoudre : x1 = 1 − ax21 + x2 x2 = bx1 En substituant bx1 à x2 dans la première équation, on conclut que cette application possède deux points fixes : √ √     (b − 1 + (1 − b)2 + 4a) (b − 1 − (1 − b)2 + 4a)     2a 2a     ⃗r1 =  ⃗ r =    2 √ √     b(b − 1 + (1 − b)2 + 4a) b(b − 1 − (1 − b)2 + 4a) 2a 2a

Méthodes itératives et systèmes dynamiques discrets

193

La matrice jacobienne de ⃗g (⃗x) est :  J(x1 , x2 ) = 

−2ax1 1 b

 

0

dont les valeurs propres sont : λ = −ax1 ±

√ a2 x21 + b

Il est alors possible de démontrer (voir Gulick, réf. [21]) que ⃗r1 est attractif pour des valeurs de a et b satisfaisant la condition : 3 1 − (1 − b)2 < a < (1 − b)2 4 4

(a ̸= 0)

alors que le point fixe ⃗r2 est répulsif. Ce qui suit ressemble beaucoup à ce que nous avons vu au sujet de l’application quadratique. Si l’on fixe b = 0,3 et si l’on fait varier le paramètre a, ⃗r1 est attractif pour les valeurs de a dans l’intervalle ] − 0,1225 , 0,3675[. Par exemple, pour a = 0,1, le point fixe prend la valeur approximative ⃗r1 = [ ]T [ ]T 1,211 699 0,365 097 . À partir de ⃗x0 = 1 1 , l’algorithme des points fixes 4.16 a donné les résultats de la figure 4.6a). On note la convergence vers le [ ]T point fixe ⃗r1 = 1,211 699 0,365 097 . Cette figure est le produit des 9000 dernières itérations effectuées sur un total de 10 000 itérations. Le seul point visible est en fait constitué de 9000 points superposés. En passant à a = 0,5 (fig. 4.6b)), on remarque la convergence vers une orbite 2-périodique attractive. Si l’on continue d’accroître progressivement la valeur de a, le comportement observé pour l’application quadratique se répète et l’on passe successivement à des orbites attractives de période 4, 8, 16, 32, etc. Selon Derrida, Gervois et Pomeau (réf. [12]), les valeurs précises de a où se produisent les doublements de période sont les suivantes. Doublements de période a Période −0,1225 1 0,3675 2 0,9125 4 1,0260 8 1,0510 16 1,0565 32 .. .. . . La figure 4.6c) illustre l’attracteur de période 16. Il est intéressant de constater que : a5 − a4 1,0510 − 1,0260 = = 4,5454 a6 − a5 1,0565 − 1,0510 ce qui est une bonne approximation de la constante universelle de Feigenbaum (voir l’équation 4.5). Si l’on se donnait la peine de localiser précisément les

194

Chapitre 4 x2

0,41 0,40 0,39 0,38 0,37 0,36

a)

0,35 0,34 0,33 0,32 1,05

1,10

1,15

1,20

1,25

1,30

1,35

x1 x2

0,45 0,40 0,35 0,30 0,25 0,20

b)

0,15 0,10 0,05 0 -0,05 -0,2

0

0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

x1 0,4

x2

0,3 0,2 0,1

c)

0,0 -0,1 -0,2 -0,3 -0,8 -0,6 -0,4 -0,2

0

0,2 0,4

0,6 0,8 1,0

1,2 1,4

x1 Figure 4.6 – Attracteur d’Hénon : a) a = 0,1, b) a = 0,5 et c) a = 1,054

Méthodes itératives et systèmes dynamiques discrets

195

valeurs de a où apparaissent les attracteurs de période 64, 128, 256, etc., on verrait ressortir la loi universelle 4.5. La cascade de doublements de période s’arrête autour de a = 1,058 0459. Si l’on continue à augmenter la valeur de a, on observe un comportement général de plus en plus complexe. Par exemple, pour a = 1,4, les itérations convergent vers l’attracteur présenté à la figure 4.7a), et ce, quel que soit le point de départ de l’algorithme. Ce qui est plus intéressant encore, c’est que les itérés (xn1 , xn2 ) de l’algorithme des points fixes 4.24 parcourent cet attracteur de façon apparemment aléatoire, sans jamais s’en éloigner. On parle alors d’un attracteur étrange. La complexité géométrique d’un tel attracteur est révélée par les agrandissements successifs de certaines parties de l’attracteur d’Hénon. Ce qui semblait être un trait gras à la figure 4.7a) devient, si l’on regarde de plus près, une série de 6 courbes à la figure 4.7b). Enfin, si l’on agrandit une section de ce qui semble être 3 courbes à la figure 4.7b), on voit poindre 6 autres courbes à la figure 4.7c). Ce phénomène peut théoriquement se reproduire à l’infini. Toutefois, pour le vérifier, il faudrait calculer beaucoup plus que les 50 000 points illustrés aux figures mentionnées. L’attracteur d’Hénon est en fait un objet de dimension fractionnaire ou fractale. En effet, la dimension (terme qu’il faudrait préciser) de cet ensemble est supérieure à 1, mais strictement inférieure à 2. Les figures précédentes montrent que l’attracteur d’Hénon est plus qu’une courbe (de dimension 1), sans toutefois être une surface (qui serait de dimension 2). On retrouve une situation analogue à la frontière de l’ensemble de Mandelbrot.

4.6

Méthodes itératives pour les systèmes linéaires

La résolution numérique des grands systèmes linéaires peut parfois nécessiter l’emploi de méthodes autres que la décomposition LU . La raison principale est que la décomposition LU requiert la mise en mémoire d’une matrice de très grande taille, avec peu de possibilités de comprimer toute cette information. Les méthodes itératives, en revanche, permettent de ne placer en mémoire que les coefficients non nuls d’une matrice de grande taille. Cela est particulièrement important avec les matrices creuses, dont une grande partie des coefficients sont nuls. La décomposition LU ne permet pas cette possibilité puisque le processus même de décomposition tend à remplir la matrice. En effet, la plupart des coefficients nuls d’une matrice creuse deviennent non nuls au terme de la décomposition. Les méthodes itératives possèdent donc des avantages suffisamment importants pour justifier une recherche active dans ce domaine. Cependant, contrairement à la décomposition LU , le succès n’est pas assuré quelle que soit la matrice A pour laquelle on souhaite résoudre un système linéaire de la forme : A⃗x = ⃗b La convergence des méthodes itératives n’est réalisée que dans certaines conditions que nous préciserons. Une grande prudence est donc de mise. De plus, les méthodes itératives, lorsqu’elles convergent, ne deviennent vraiment avantageuses que pour les systèmes linéaires de très grande taille.

196

Chapitre 4 0,4

x2

0,3 0,2 0,1

a)

0 -0,1 -0,2 -0,3 -0,4 -1,5

-1,0

-0,5

0,0

0,5

1,0

1,5

x1

0,180

x2

0,175 0,170 0,165 0,160

b)

0,155 0,150 0,145 0,140 0,66

0,68

0,70

0,72

0,74

0,76

0,78

0,80

0,82

x1 0,171

x2 0,170 0,169

c)

0,168 0,167 0,166 0,740

0,745

0,750

0,755

0,760

x1 Figure 4.7 – Attracteur d’Hénon : a = 1,4

Méthodes itératives et systèmes dynamiques discrets

4.6.1

197

Méthode de Jacobi

Considérons le système linéaire : a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn .. . an1 x1 + an2 x2 + an3 x3 + · · · + ann xn

= b1 = b2 = b3 . = .. = bn

On suppose pour l’instant que tous les éléments de la diagonale sont non nuls (aii ̸= 0, ∀i). Comme dans toute méthode itérative, nous partons d’une ]T [ . approximation initiale de la solution que nous noterons x01 x02 · · · x0n On considère ensuite l’algorithme :  xk+1 = 1

xk+1 = 2

xk+1 = 3



n ∑

1  b1 − a1j xkj  a11 j=2   n ∑ 1  a2j xkj  b2 − a22 j=1,j̸=2   n ∑ 1  b3 − a3j xkj  a33

(4.25)

j=1,j̸=3

.. . xk+1 = n

 1  bn − ann

.. . n−1 ∑

 anj xkj 

j=1

qui consiste à isoler le coefficient de la diagonale de chaque ligne du système. C’est la méthode de Jacobi. Si l’un des coefficients diagonaux est nul, il est parfois possible de permuter certaines lignes pour éviter cette situation. Plus généralement, on écrit :  xk+1 = i

1  bi − aii

n ∑

 aij xkj 

j=1,j̸=i

Exemple 4.35 Soit le système : 3x1 + x2 − x3 = 2 x1 + 5x2 + 2x3 = 17 2x1 − x2 − 6x3 = −18

(4.26)

198

Chapitre 4

La méthode de Jacobi s’écrit dans ce cas : ) 1( k k xk+1 = 2 − x + x 2 3 1 3( ) 1 k k 17 − x − 2x xk+1 = 1 3 2 5 ( ) 1 k k −18 − 2x + x xk+1 = − 1 2 3 6 [ ]T À partir de 0 0 0 , on trouve d’abord : 1 2 (2 − 0 + 0) = 3 3 1 17 = (17 − 0 − 0) = 5 5 1 = − (−18 − 0 + 0) = 3 6

x11 = x12 x13

La deuxième itération donne : ( ) 1 17 8 1 x1 = 2− +3 = 3 5 15 ( ) 2 31 1 17 − − 2(3) = x12 = 5 3 15 ( ( ) ) 1 2 17 x13 = − −18 − 2 + = 2,655 556 6 3 5 On finit par remplir le tableau suivant. Méthode de Jacobi k xk1 xk2 xk3 0 0,000 000 0,000 000 0,000 000 1 0,666 667 3,400 000 3,000 000 2 0,533 333 2,066 667 2,655 556 3 0,862 963 2,231 111 2,833 333 4 0,867 407 2,094 074 2,915 802 5 0,940 576 2,060 198 2,940 123 6 0,959 975 2,035 835 2,970 159 7 0,978 108 2,019 941 2,980 686 8 0,986 915 2,012 104 2,989 379 9 0,992 425 2,006 865 2,993 621 10 0,995 585 2,004 067 2,996 331 Les valeurs convergent vers la solution pendant assez lente. 

[

1 2 3

]T

. La convergence est ce-

Méthodes itératives et systèmes dynamiques discrets

199

Exemple 4.36 La méthode de Jacobi ne peut pas s’appliquer immédiatement au système : 0x1 + 3x2 + x3 = 7 5x1 + x2 − 2x3 = 15 3x1 − 4x2 + 8x3 = 9 puisque l’un des coefficients diagonaux est nul (a11 = 0). On remédie à cette situation en faisant par exemple pivoter les deux premières lignes. On doit donc résoudre le système : 5x1 + x2 − 2x3 = 15 0x1 + 3x2 + x3 = 7 3x1 − 4x2 + 8x3 = 9 pour lequel la méthode de Jacobi donne l’algorithme : ) 1( 15 − xk2 + 2xk3 5 ) 1( k+1 x2 = 7 − xk3 3 ) 1( k+1 x3 = 9 − 3xk1 + 4xk2 8 [ ]T On obtient ainsi, en partant de la solution initiale 0 0 0 , les itérations suivantes. xk+1 = 1

k 0 1 2 3 4 5 6 7

xk1

xk2

0,000 000 3,000 000 2,983 333 3,075 000 3,005 278 2,976 667 2,996 454 3,007 257

0,000 000 2,333 333 1,958 333 1,944 444 2,004 861 2,018 634 1,999 850 1,993 978

Méthode xk3 0,000 000 1,125 000 1,166 667 0,985 417 0,944 097 1,000 451 1,018 067 1,001 255

Il y a donc convergence vers

[

3 2 1

de Jacobi k xk1 8 3,001 706 9 2,997 791 10 2,999 278 11 3,000 657 12 3,000 284 13 2,999 810 14 2,999 894 15 3,000 053 ]T

xk2 1,999 582 2,001 911 2,000 283 1,999 405 1,999 863 2,000 181 2,000 058 1,999 946

xk3 0,994 268 0,999 151 1,001 784 1,000 412 0,999 456 0,999 825 1,000 162 1,000 069

.

Il est facile de montrer que la méthode de Jacobi peut s’écrire sous forme matricielle. Cette forme matricielle servira uniquement pour l’analyse de convergence de la méthode. Pour obtenir cette représentation matricielle, on doit d’abord effectuer une décomposition de la matrice A sous la forme : A = D + TI + TS

(4.27)

200

Chapitre 4

où :

   D=  

   TI =   

0 0 0 a21 0 0 a31 a32 0 .. .. .. . . . an1 an2 an3

a11 0 0 0 a22 0 0 0 a33 .. .. .. . . . 0 0 0 ··· ··· ··· .. . ···

0 0 0 .. . 0



··· 0 ··· 0 ··· 0 .. .. . . · · · ann 

     TS =     

     

0 a12 a13 0 0 a23 0 0 0 .. .. .. . . . 0 0 0

· · · a1n · · · a2n · · · a3n .. .. . . ··· 0

     

Ce procédé consiste donc à isoler de la matrice A la diagonale et les matrices triangulaires inférieures et supérieures. Le système linéaire : A⃗x = ⃗b devient : (D + TI + TS )⃗x = ⃗b ou encore : D⃗x = −(TI + TS )⃗x + ⃗b et enfin :

⃗x = −D−1 (TI + TS )⃗x + D−1⃗b = TJ ⃗x + ⃗cJ

où l’on a posé TJ = −D−1 (TI + TS ) et ⃗cJ = D−1⃗b. Il est alors clair que l’algorithme 4.26 peut aussi s’écrire : ⃗xk+1 = TJ ⃗xk + ⃗cJ et que la méthode de Jacobi n’est rien d’autre qu’un cas particulier de méthodes des points fixes en dimension n et de l’équation 4.14. Il suffit en effet de choisir : ⃗g (⃗x) = TJ ⃗x + ⃗cJ Comme nous l’avons vu, la convergence des méthodes des points fixes en dimension n dépend du rayon spectral de la matrice jacobienne associée à ⃗g (⃗x), qui est simplement (voir les exercices de fin de chapitre) : J = TJ = −(D−1 (TI + TS )) La méthode de Jacobi convergera donc si le rayon spectral de TJ (ρ(TJ )) est inférieur à 1. Comme nous l’avons déjà mentionné, le calcul du rayon spectral d’une matrice est un problème difficile, surtout si la matrice est de grande taille. Il existe cependant un type de matrices qui vérifie automatiquement la condition de convergence de la méthode de Jacobi.

Méthodes itératives et systèmes dynamiques discrets

201

Définition 4.37 Une matrice A est dite à diagonale strictement dominante si : |aii | >

n ∑

|aij |

∀i

j=1,j̸=i

Cette définition signifie que le terme diagonal aii de la matrice A est nettement dominant puisque sa valeur absolue est plus grande que la somme des valeurs absolues de tous les autres termes de la ligne. Pour démontrer que les matrices à diagonale dominante vérifient la condition ρ(TJ ) < 1, un résultat intermédiaire est nécessaire. Lemme 4.38 Le rayon spectral d’une matrice A vérifie : ρ(A) ≤ ||A||

(4.28)

et ce, quelle que soit la norme matricielle (subordonnée à une norme vectorielle) utilisée. Démonstration : Si λ est une valeur propre de la matrice A et ⃗x est un vecteur propre associé, on a : A⃗x = λ⃗x En prenant la norme de chaque côté (ce qui suppose l’utilisation d’une norme vectorielle compatible avec la norme matricielle utilisée), on obtient : |λ| ||⃗x|| = ||A⃗x|| ≤ ||A|| ||⃗x|| ce qui entraîne immédiatement que |λ| ≤ ||A||. Ceci étant vrai quelle que soit la valeur propre choisie, le résultat est démontré. ♣

Théorème 4.39 Si A est une matrice à diagonale strictement dominante, la méthode de Jacobi est convergente. Démonstration : Il suffit de montrer que ρ(TJ ) = ρ(−D−1 (TI + TS )) < 1. Si l’on utilise les normes vectorielle et matricielle compatibles || ||∞ , il est clair que : || − D−1 (TI + TS )||∞ < 1 et le lemme précédent confirme que le rayon spectral de la matrice est aussi inférieur à 1. ⋆

202

Chapitre 4

Exemple 4.40 Il est facile de s’assurer que les matrices des deux exemples précédents sont à diagonale strictement dominante. Nous avons pu constater la convergence de la méthode de Jacobi dans ces deux cas, comme le prévoit le théorème précédent. Pour s’en convaincre davantage, on peut construire explicitement les matrices −D−1 (TI + TS ) de ces deux exemples et constater que leur norme || ||∞ est inférieure à 1. 

4.6.2

Méthode de Gauss-Seidel

La méthode de Gauss-Seidel est une variante améliorée de la méthode de Jacobi. Pour bien en comprendre le principe, il suffit de reconsidérer la méthode de Jacobi et de voir comment on pourrait l’améliorer. On sait que, dans le cas général, la méthode de Jacobi s’écrit :   n−1 ∑ 1  xk+1 = bi − aij xkj  i aii j=1,j̸=i

qui peut aussi s’exprimer :  xk+1 = i

1  bi − aii

i−1 ∑ j=1

aij xkj −

n ∑

 aij xkj 

(4.29)

j=i+1

La méthode de Gauss-Seidel est fondée sur la simple constatation selon laquelle le calcul de xk+1 nécessite l’utilisation de xk1 , xk3 , · · · , xkn provenant de 2 l’itération précédente. Or, à l’itération k + 1, au moment du calcul de xk+1 2 , k+1 k on possède déjà une meilleure approximation de x1 que xi , à savoir x1 . De k+1 même, au moment du calcul de xk+1 et xk+1 qui ont 3 , on peut utiliser x1 2 k+1 déjà été calculés. Plus généralement, pour le calcul de xi , on peut utiliser k+1 k+1 k k k xk+1 1 , x2 , · · · , xi−1 déjà calculés et les xi+1 , xi+2 , · · · , xn de l’itération précédente. Cela revient à écrire :   i−1 n ∑ ∑ 1  bi − aij xk+1 − aij xkj  (4.30) xk+1 = j i aii j=1

j=i+1

Suivant la notation introduite pour la méthode de Jacobi, la méthode de GaussSeidel s’écrit sous forme matricielle : ⃗xk+1 = D−1 (⃗b − TI ⃗xk+1 − TS ⃗xk ) ou encore :

(TI + D)⃗xk+1 = ⃗b − TS ⃗xk

et enfin : ⃗xk+1 = −(TI + D)−1 TS ⃗xk + (TI + D)−1⃗b = TGS ⃗xk + ⃗cGS

Méthodes itératives et systèmes dynamiques discrets

203

Exemple 4.41 Soit le système linéaire : 3x1 + x2 − x3 = 2 x1 + 5x2 + 2x3 = 17 2x1 − x2 − 6x3 = −18 La méthode de Gauss-Seidel s’écrit dans ce cas : ) 1( k k xk+1 = 2 − x + x 2 3 1 3( ) 1 k+1 k 17 − x − 2x xk+1 = 3 1 2 5 ( ) 1 k+1 k+1 k+1 x3 = − −18 − 2x1 + x2 6 Notons la différence des indices avec la méthode de Jacobi. Partant de on trouve d’abord : 1 (2 − 0 + 0) = 3( ) 1 2 = 17 − − 0 = 5 3 ( ( ) ) 2 49 1 −18 − 2 + = = − 6 3 15

x11 = x12 x13

[

0 0 0

2 3 49 15 241 90

tandis qu’à la deuxième itération on trouve : ( ) 1 49 241 1 x1 = 2− + = 0,470 3704 3 15 90 ( ( )) 1 241 x12 = 17 − 0,470 3704 − 2 = 2,234 815 5 90 1 x13 = − (−18 − 2(0,470 3704) + 2,234 815) = 2,784 321 6 ainsi que les itérations suivantes.

k 1 2 3 4 5

xk1 0,666 6667 0,470 3704 0,849 8354 0,938 0855 0,977 5034

Méthode de xk3 3,266 667 2,677 778 2,234 815 2,784 321 2,116 305 2,930 561 2,040 158 2,972 669 2,015 432 2,989 929 xk2

Gauss-Seidel k xk1 6 0,991 4991 7 0,996 8277 8 0,998 8115 9 0,999 5553 10 0,999 8335

xk2 2,005 729 2,002 150 2,000 804 2,000 301 2,000 113

xk3 2,996 212 2,998 584 2,999 470 2,999 802 2,999 926

On constate que, pour un même nombre d’itérations, la solution approximative obtenue par la méthode de Gauss-Seidel est plus précise. La méthode de GaussSeidel converge généralement plus vite que la méthode de Jacobi, mais pas toujours. 

]T

,

204

Chapitre 4

Remarque 4.42 Les méthodes itératives utilisées pour résoudre un système linéaire de la forme : A⃗x = ⃗b s’écrivent souvent sous la forme : ⃗xk+1 = T ⃗xk + ⃗c où la matrice T et le vecteur ⃗c dépendent de la méthode en cause. Les méthodes de Jacobi et de Gauss-Seidel ne sont que deux cas particuliers. La convergence de la méthode retenue n’est possible que si ρ(T ) < 1. Cette condition porte sur la matrice T et non sur la matrice A. La convergence de la méthode est d’autant plus rapide que le rayon spectral de T est petit. En effet, on peut démontrer que : ||⃗xk+1 − ⃗x|| ≃ (ρ(T ))k+1 ||⃗x0 − ⃗x|| Cette expression s’apparente à celle du taux de convergence g ′ (r) dans le cas unidimensionnel.  Nous terminons cette section par un résultat que nous ne démontrons pas, mais qui assure la convergence de la méthode de Gauss-Seidel dans le cas de matrices à diagonale strictement dominante. Théorème 4.43 Si la matrice A est à diagonale strictement dominante, le rayon spectral de TGS est inférieur à 1 et la méthode de Gauss-Seidel converge, et ce, quelle que soit la solution initiale ⃗x0 . ⋆ Les matrices à diagonale strictement dominante sont fréquentes dans les applications. Malheureusement, on rencontre également en pratique beaucoup de matrices qui ne vérifient pas cette propriété. Des recherches très actives sont en cours dans le but de développer de nouvelles méthodes itératives qui s’appliqueraient à une vaste gamme de matrices.

Méthodes itératives et systèmes dynamiques discrets

4.7

205

Exercices

1. Montrer que tout point fixe de g(x) est un point fixe de g(g(x)). L’inverse est-il vrai ? (2)

(2)

(2)

(2)

2. Montrer que les points r1 et r2 de l’équation 4.4 satisfont r1 = g(r2 ) (2) (2) et r2 = g(r1 ) (rappelons que g(x) = λx(1 − x)). 3. Déterminer le polynôme caractéristique, les valeurs propres et le rayon spectral des matrices suivantes. Déterminer également si ces matrices sont convergentes. [ a)

2 −1 −1 2

4. La matrice :

[

]



1 2

b)  0 0

2 −1 −1 2

1 1 3

0

 2 3  1 4

]

a un rayon spectral de 3, qui est donc supérieur à 1. Or, on peut démontrer directement que la méthode de Jacobi converge quel que soit le vecteur ⃗x0 initial. Est-ce une contradiction ? 5.

a) Obtenir le ou les points fixes de l’application : {

x1 = x2 =

√ 2 − x22 √ x1

b) Vérifier si ce ou ces points fixes sont attractifs. c) Effectuer 5 itérations de la méthode des points fixes à partir de (0 , 0). 6.

a) Montrer que pour une fonction g(x) quelconque, l’ensemble {r1 , r2 } est une orbite 2-périodique attractive si : |g ′ (r1 )g ′ (r2 )| < 1 b) En déduire une condition pour qu’une orbite n-périodique soit attractive.

7. Trouver une orbite 2-périodique pour la fonction g(x) = x2 − 1. Vérifier si elle est attractive. 8. Montrer que la fonction : { T (x) =

2x pour 0 ≤ x ≤ 21 2 − 2x pour 21 ≤ x ≤ 1

possède les orbites 3-périodiques { 72 , 47 , 67 } ainsi que { 29 , 94 , 89 }. Vérifier si ces orbites sont attractives ou répulsives.

206

Chapitre 4

9. Montrer que la matrice jacobienne associée à la méthode des points fixes : ⃗g (⃗x) = T ⃗x + ⃗c où T est une matrice de dimension n, est tout simplement la matrice T elle-même. Que conclure quant à la convergence de l’algorithme : ⃗xk+1 = T ⃗xk + ⃗c 10. Construire une matrice de dimension 3 à diagonale strictement dominante. Pour cette matrice, construire explicitement la matrice TJ et vérifier si ||TJ ||∞ < 1. 11. Soit le système linéaire suivant : E1 E2 E3 E4

: 3x2 − x3 + 8x4 : 2x1 − x2 + 10x3 : 10x1 − x2 + 2x3 : −x1 + 11x2 − x3 + 3x4

= −11 = −11 = 6 = 25

a) Montrer que les méthodes de Jacobi et de Gauss-Seidel ne convergent pas lorsqu’on isole simplement les xi de l’équation Ei . b) Réordonner les équations de façon à assurer la convergence des deux méthodes. 12. Résoudre le système : 9x1 − 2x2 + x3 = 13 −x1 + 5x2 − x3 = 9 x1 − 2x2 + 9x3 = −11 à l’aide des méthodes de Jacobi et de Gauss-Seidel à partir de [ ]T ⃗x0 = 0 0 0 (faire les 5 premières itérations seulement).

Chapitre 5

Interpolation 5.1

Introduction

Ce chapitre ainsi que le chapitre suivant qui porte sur la dérivation et l’intégration numériques sont très étroitement reliés puisqu’ils tendent à répondre à diverses facettes d’un même problème. Ce problème est le suivant : à partir d’une fonction f (x) connue seulement en (n + 1) points de la forme ((xi , f (xi )) pour i = 0, 1, 2, · · · , n), peut-on construire une approximation de f (x), et ce, pour tout x ? Les xi sont appelés abscisses ou nœuds d’interpolation tandis que les couples ((xi , f (xi )) pour i = 0, 1, 2, · · · , n) sont les points de collocation ou points d’interpolation et peuvent provenir de données expérimentales ou d’une table. En d’autres termes, si l’on ne connaît que les points de collocation (xi , f (xi )) d’une fonction, peut-on obtenir une approximation de f (x) pour une valeur de x différente des xi ? La figure 5.1 résume la situation. Sur la base des mêmes hypothèses, nous verrons, au chapitre suivant, comment évaluer les dérivées f ′ (x), f ′′ (x) · · · de même que : ∫ xn f (x)dx x0

Il s’agit d’un problème d’interpolation, dont la solution est relativement simple. Il suffit de construire un polynôme de degré suffisamment élevé dont la courbe passe par les points de collocation. On parle alors du polynôme de collocation ou polynôme d’interpolation. Pour obtenir une approximation des dérivées ou de l’intégrale, il suffit de dériver ou d’intégrer le polynôme de collocation. Il y a cependant des éléments fondamentaux qu’il est important d’étudier. En premier lieu, il convient de rappeler certains résultats cruciaux relatifs aux polynômes, que nous ne démontrons pas. Théorème 5.1 Un polynôme de degré n dont la forme générale est : pn (x) = a0 + a1 x + a2 x2 + a3 x3 + · · · + an xn

(5.1)

avec an ̸= 0 possède, tenant compte des multiplicités, très exactement n racines qui peuvent être réelles ou complexes conjuguées. Rappelons que r est une racine de pn (x) si pn (r) = 0. ⋆

208

Chapitre 5

?

x0

x1 x x2

x3

xn−1

xn

Figure 5.1 – Problème d’interpolation

Corollaire 5.2 Par (n + 1) points de collocation d’abscisses distinctes ((xi , f (xi )) pour i = 0, 1, 2, · · · , n), on ne peut faire correspondre qu’un et un seul polynôme de degré n. Démonstration : On procède par l’absurde et l’on suppose l’existence de 2 polynômes de degré n, notés p(x) et q(x), et qui passent tous les deux par les (n + 1) points de collocation donnés. On considère ensuite la différence P (x) = p(x) − q(x) qui est également un polynôme de degré au plus n. Ce polynôme vérifie : P (xi ) = p(xi ) − q(xi ) = f (xi ) − f (xi ) = 0 et ce, pour i allant de 0 à n. Le polynôme P (x) posséderait donc (n+1) racines, ce qui est impossible en vertu du théorème précédent. ♠

Définition 5.3 L’unique polynôme de degré n passant par les points (xi , f (xi )) pour i = 0, 1, 2, · · · , n, est appelé l’interpolant de f (x) de degré n aux abscisses (nœuds) x0 , x1 , · · · , xn . Remarque 5.4 Rien n’oblige à ce que le coefficient an de l’interpolant soit différent de 0. L’interpolant passant par les n + 1 points d’interpolation peut donc être de degré inférieur à n. Si on choisit par exemple 10 points sur une droite, l’interpolant sera quand même de degré 1. 

Interpolation

209

Il reste à assurer l’existence de l’interpolant, ce que nous ferons tout simplement en le construisant au moyen de méthodes diverses qui feront l’objet des prochaines sections.

5.2

Matrice de Vandermonde

Le problème d’interpolation consiste donc à déterminer l’unique polynôme de degré n passant par les (n + 1) points de collocation ((xi , f (xi )) pour i = 0, 1, 2, 3, · · · , n). Selon le théorème précédent, il ne saurait y en avoir deux. Il reste maintenant à le construire de la manière la plus efficace et la plus générale possible. Une première tentative consiste à déterminer les inconnues ai du polynôme 5.1 en vérifiant directement les (n+1) équations de collocation : pn (xi ) = f (xi ) ou encore :

pour i = 0, 1, 2, · · · , n

a0 + a1 xi + a2 x2i + a3 x3i + · · · + an xni = f (xi )

qui est un système linéaire de (n+1) équations en (n+1) inconnues. Ce système s’écrit sous forme matricielle :      1 x0 x20 x30 · · · xn0 a0 f (x0 )  1 x1 x21 x31 · · · xn1   a1   f (x1 )        1 x2 x22 x32 · · · xn2   a2  =  f (x2 )  (5.2)  . .      .. .. .. . . ..   ..    .. ..  . . . . . . an f (xn ) 1 xn x2n x3n · · · xnn Remarque 5.5 La matrice de ce système linéaire porte le nom de matrice de Vandermonde. On peut montrer que le conditionnement de cette matrice augmente fortement avec la taille (n + 1) du système. De plus, comme le révèlent les sections qui suivent, il n’est pas nécessaire de résoudre un système linéaire pour calculer un polynôme d’interpolation. Cette méthode est donc rarement utilisée. 

Exemple 5.6 On doit calculer le polynôme passant par les points (0 , 1), (1 , 2), (2 , 9) et (3 , 28). Étant donné ces 4 points, le polynôme recherché est tout au plus de degré 3. Ses coefficients ai sont solution de :      1 0 0 0 1 a0  1 1 1 1   a1   2   1 2 4 8  a  =  9  2 1 3 9 27 a3 28 dont la solution (obtenue par décomposition LU ) est [1 0 0 1]T . Le polynôme recherché est donc p3 (x) = 1 + x3 .  Les sections suivantes proposent des avenues différentes et plus efficaces pour calculer le polynôme de collocation.

210

5.3

Chapitre 5

Interpolation de Lagrange

L’interpolation de Lagrange est une façon simple et systématique de construire un polynôme de collocation. Étant donné (n + 1) points ((xi , f (xi )) pour i = 0, 1, 2, · · · , n), on suppose un instant que l’on sait construire (n + 1) polynômes Li (x) de degré n et satisfaisant les conditions suivantes : { Li (xi ) = 1 ∀i (5.3) Li (xj ) = 0 ∀j ̸= i Cela signifie que le polynôme Li (x) de degré n prend la valeur 1 en xi et s’annule à tous les autres points de collocation. Nous verrons comment construire les Li (x) un peu plus loin. Dans ces conditions, la fonction L(x) définie par : L(x) =

n ∑

f (xi )Li (x)

i=0

est un polynôme de degré n, car chacun des Li (x) est de degré n. De plus, ce polynôme passe par les (n + 1) points de collocation et est donc le polynôme recherché. En effet, il est facile de montrer que selon les conditions 5.3 : L(xj ) = f (xj )Lj (xj ) +

n ∑

f (xi )Li (xj )

i=0,i̸=j

= f (xj ) + 0 = f (xj )

∀j

Le polynôme L(x) passe donc par tous les points de collocation. Puisque ce polynôme est unique, L(x) est bien le polynôme recherché. Il reste à construire les fonctions Li (x). Suivons une démarche progressive. Polynômes de degré 1 Il s’agit de déterminer le polynôme de degré 1 dont la courbe (une droite) passe par les deux points (x0 , f (x0 )) et (x1 , f (x1 )). On doit donc construire deux polynômes L0 (x) et L1 (x) de degré 1 qui vérifient : { { L0 (x0 ) = 1 L1 (x0 ) = 0 L0 (x1 ) = 0 L1 (x1 ) = 1 Le polynôme L0 (x) doit s’annuler en x = x1 . On pense immédiatement au polynôme (x − x1 ) qui s’annule en x = x1 , mais qui vaut (x0 − x1 ) en x = x0 . Pour s’assurer d’une valeur 1 en x = x0 , il suffit d’effectuer la division appropriée afin d’obtenir : L0 (x) =

(x − x1 ) (x0 − x1 )

Un raisonnement similaire pour L1 (x) donne : L1 (x) =

(x − x0 ) (x1 − x0 )

Interpolation

211

L0 (x) L1 (x) 1

x0

x1

Figure 5.2 – Polynômes de Lagrange de degré 1 : L0 (x) et L1 (x) Ces deux fonctions sont illustrées à la figure 5.2. Le polynôme de degré 1 est donc : p1 (x) = f (x0 )L0 (x) + f (x1 )L1 (x) Exemple 5.7 L’équation de la droite passant par les points (2 , 3) et (5 , − 6) est : 3

(x − 5) (x − 2) + (−6) = −(x − 5) − 2(x − 2) = −3x + 9 (2 − 5) (5 − 2)

 Polynômes de degré 2 Si l’on cherche le polynôme de degré 2 passant par les points (x0 , f (x0 )), (x1 , f (x1 )) et (x2 , f (x2 )), on doit construire trois fonctions Li (x). Le raisonnement est toujours le même. La fonction L0 (x) s’annule cette fois en x = x1 et en x = x2 . On doit forcément avoir un coefficient de la forme : (x − x1 )(x − x2 ) qui vaut (x0 − x1 )(x0 − x2 ) en x = x0 . Pour satisfaire la condition L0 (x0 ) = 1, il suffit alors de diviser le coefficient par cette valeur et de poser : L0 (x) =

(x − x1 )(x − x2 ) (x0 − x1 )(x0 − x2 )

Cette fonction vaut bien 1 en x0 et 0 en x1 et x2 . De la même manière, on obtient les fonctions L1 (x) et L2 (x) définies par : L1 (x) =

(x − x0 )(x − x1 ) (x − x0 )(x − x2 ) et L2 (x) = (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )

212

Chapitre 5 L1 (x)

L0 (x)

L2 (x)

1

x0

x1

x2

Figure 5.3 – Polynômes de Lagrange de degré 2 : L0 (x), L1 (x) et L2 (x) Ces trois fonctions sont à leur tour illustrées à la figure 5.3. Exemple 5.8 La parabole passant par les points (1 , 2), (3 , 7), (4 , − 1) est donnée par : p2 (x) = 2 =

(x − 3)(x − 4) (x − 1)(x − 4) (x − 1)(x − 3) +7 + (−1) (1 − 3)(1 − 4) (3 − 1)(3 − 4) (4 − 1)(4 − 3)

(x − 3)(x − 4) 7(x − 1)(x − 4) (x − 1)(x − 3) − − 3 2 3

 Polynômes de degré n On analyse le cas général de la même façon. La fonction L0 (x) doit s’annuler en x = x1 , x2 , x3 , · · · , xn . Il faut donc introduire la fonction : (x − x1 )(x − x2 )(x − x3 ) · · · (x − xn ) qui vaut :

(x0 − x1 )(x0 − x2 )(x0 − x3 ) · · · (x0 − xn )

en x = x0 . On a alors, après division : L0 (x) =

(x − x1 )(x − x2 )(x − x3 ) · · · (x − xn ) (x0 − x1 )(x0 − x2 )(x0 − x3 ) · · · (x0 − xn )

On remarque qu’il y a n facteurs de la forme (x − xi ) dans cette expression et qu’il s’agit bien d’un polynôme de degré n. Pour la fonction L1 (x), on pose : L1 (x) =

(x − x0 )(x − x2 )(x − x3 ) · · · (x − xn ) (x1 − x0 )(x1 − x2 )(x1 − x3 ) · · · (x1 − xn )

Interpolation

213

On note l’absence du terme (x − x1 ). L’expression générale pour la fonction Li (x) est donc : Li (x) =

(x − x0 ) · · · (x − xi−1 )(x − xi+1 ) · · · (x − xn ) (xi − x0 ) · · · (xi − xi−1 )(xi − xi+1 ) · · · (xi − xn )

(5.4)

où cette fois seul le facteur (x − xi ) est absent. Li (x) est donc un polynôme de degré n qui vaut 1 en x = xi et qui s’annule à tous les autres points de collocation. On peut maintenant résumer la situation. Théorème 5.9 Étant donné (n + 1) points d’interpolation ((xi , f (xi )) pour i = 0, 1, · · · , n), l’unique polynôme d’interpolation de degré n passant par tous ces points peut s’écrire : n ∑ pn (x) = f (xi )Li (x) (5.5) i=0

où les (n + 1) fonctions Li (x) sont définies par la relation 5.4. C’est la formule de Lagrange. ⋆ Exemple 5.10 Reprenons les points (0 , 1), (1 , 2), (2 , 9) et (3 , 28), pour lesquels nous avons obtenu le polynôme p3 (x) = x3 + 1 à l’aide de la matrice de Vandermonde. L’interpolation de Lagrange donne dans ce cas : p3 (x) = 1

(x − 1)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3) +2 (0 − 1)(0 − 2)(0 − 3) (1 − 0)(1 − 2)(1 − 3)

+9

(x − 0)(x − 1)(x − 2) (x − 0)(x − 1)(x − 3) + 28 (2 − 0)(2 − 1)(2 − 3) (3 − 0)(3 − 1)(3 − 2)

c’est-à-dire : p3 (x) = −

(x − 1)(x − 2)(x − 3) + x(x − 2)(x − 3) 6

x(x − 1)(x − 2) x(x − 1)(x − 3) + 14 2 3 qui est l’expression du polynôme de degré 3 passant par les 4 points donnés. Cette expression n’est autre que p3 (x) = x3 + 1. Il n’y a qu’à en faire le développement pour s’en assurer. Cela n’est pas surprenant, puisque l’on sait qu’il n’existe qu’un seul polynôme de degré 3 passant par 4 points donnés. L’interpolation de Lagrange ne fait qu’exprimer le même polynôme différemment. Enfin, le polynôme calculé permet d’obtenir une approximation de la fonction inconnue f (x) partout dans l’intervalle contenant les points de collocation, c’est-à-dire [0 , 3]. Ainsi, on a : −9

f (2,5) ≃ p3 (2,5) = 16,625 avec une précision qui sera discutée plus loin lorsque nous aborderons la question de l’erreur d’interpolation.

214

Chapitre 5

Remarque 5.11 La méthode d’interpolation de Lagrange présente un inconvénient majeur : elle n’est pas récursive. En effet, si l’on souhaite passer d’un polynôme de degré n à un polynôme de degré (n + 1) (en ajoutant un point de collocation), on doit reprendre pratiquement tout le processus à zéro. Dans l’exemple précédent, si l’on souhaite obtenir le polynôme de degré 4 correspondant aux points (0 , 1), (1 , 2), (2 , 9), (3 , 28) et (5 , 54), on ne peut que difficilement récupérer le polynôme de degré 3 déjà calculé et le modifier pour obtenir p4 (x). C’est en revanche ce que permet la méthode d’interpolation de Newton. 

5.4

Polynôme de Newton

Lorsqu’on écrit l’expression générale d’un polynôme, on pense immédiatement à la forme 5.1, qui est la plus utilisée. Il en existe cependant d’autres qui sont plus appropriées au cas de l’interpolation, par exemple : pn (x) =

a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) + a3 (x − x0 )(x − x1 )(x − x2 ) .. . + an−1 (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn−2 ) + an (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn−1 )

(5.6)

On remarque que le coefficient de an comporte n monômes de la forme (x − xi ) et qu’en conséquence le polynôme 5.6 est de degré n. L’aspect intéressant de cette formule apparaît lorsqu’on essaie de déterminer les (n+1) coefficients ai de telle sorte que pn (x) passe par les (n+1) points de collocation (xi , f (xi )) pour i = 0, 1, 2, · · · , n). On doit donc s’assurer que : pn (xi ) = f (xi ) pour i = 0, 1, 2, · · · , n Les coefficients de la forme 5.6 s’annulent tous en x = x0 , sauf le premier. On peut ainsi montrer que : pn (x0 ) = a0 = f (x0 ) Le premier coefficient est donc : a0 = f (x0 ) On doit ensuite s’assurer que pn (x1 ) = f (x1 ), c’est-à-dire : pn (x1 ) = a0 + a1 (x1 − x0 ) = f (x0 ) + a1 (x1 − x0 ) = f (x1 ) ce qui permet d’isoler a1 pour obtenir : a1 =

f (x1 ) − f (x0 ) x1 − x0

(5.7)

Interpolation

215

Définition 5.12 On définit les premières différences divisées de la fonction f (x) par : f [xi , xi+1 ] =

f (xi+1 ) − f (xi ) xi+1 − xi

(5.8)

Ainsi, le coefficient a1 peut s’écrire : a1 = f [x0 , x1 ]

(5.9)

Remarque 5.13 Il est facile de démontrer que le polynôme de degré 1 : p1 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) obtenu en ne considérant que les deux premiers coefficients de 5.6 et les expressions 5.7 et 5.9, passe par les points (x0 , f (x0 )) et (x1 , f (x1 )). Il représente donc l’unique polynôme de collocation de degré 1 passant par ces deux points.  Le troisième coefficient (a2 ) est à son tour déterminé par : pn (x2 ) = a0 + a1 (x2 − x0 ) + a2 (x2 − x0 )(x2 − x1 ) = f (x2 ) ou encore : pn (x2 ) = f (x0 ) + f [x0 , x1 ](x2 − x0 ) + a2 (x2 − x0 )(x2 − x1 ) = f (x2 ) En isolant a2 , on obtient : a2 =

=

=

=

=

=

1 (f (x2 ) − f (x0 ) − f [x0 , x1 ](x2 − x0 )) (x2 − x0 )(x2 − x1 ) ( ) 1 f (x2 ) − f (x0 ) (x2 − x0 ) − f [x0 , x1 ] (x2 − x0 ) (x2 − x1 ) (x2 − x1 ) ( ) 1 f (x2 ) − f (x1 ) + f (x1 ) − f (x0 ) (x2 − x0 ) − f [x0 , x1 ] (x2 − x0 ) (x2 − x1 ) (x2 − x1 ) ( 1 f (x2 ) − f (x1 ) (f (x1 ) − f (x0 )) (x1 − x0 ) + (x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x2 − x1 ) ) (x2 − x0 ) −f [x0 , x1 ] (x2 − x1 ) ( ( )) 1 (x1 − x0 ) (x2 − x0 ) f [x1 , x2 ] + f [x0 , x1 ] − (x2 − x0 ) (x2 − x1 ) (x2 − x1 ) 1 (f [x1 , x2 ] − f [x0 , x1 ]) (x2 − x0 )

216

Chapitre 5

On en arrive donc à une expression qui fait intervenir une différence divisée de différences divisées. Définition 5.14 Les deuxièmes différences divisées de la fonction f (x) sont définies à partir des premières différences divisées par la relation : f [xi , xi+1 , xi+2 ] =

f [xi+1 , xi+2 ] − f [xi , xi+1 ] (xi+2 − xi )

(5.10)

De même, les n-ièmes différences divisées de la fonction f (x) sont définies à partir des (n − 1)-ièmes différences divisées de la façon suivante : f [x0 , x1 , x2 , · · · , xn ] =

f [x1 , x2 , · · · , xn ] − f [x0 , x1 , x2 , · · · , xn−1 ] (xn − x0 )

(5.11)

Notons que les toutes premières différences divisées de f (x) (soit les 0es différences) sont tout simplement définies par f (xi ). Suivant cette notation, on a : a2 = f [x0 , x1 , x2 ]

(5.12)

Remarque 5.15 Il est facile de démontrer que le polynôme : p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ) passe par les trois premiers points de collocation. On remarque de plus que ce polynôme de degré 2 s’obtient simplement par l’ajout d’un terme de degré 2 au polynôme p1 (x) déjà calculé. En raison de cette propriété, cette méthode est dite récursive.  On peut soupçonner à ce stade-ci que le coefficient a3 est : a3 = f [x0 , x1 , x2 , x3 ] qui est une troisième différence divisée de f (x). C’est effectivement le cas. Le théorème suivant résume la situation. Théorème 5.16 L’unique polynôme de degré n passant par les (n + 1) points de collocation ((xi , f (xi )) pour i = 0, 1, 2, · · · , n) peut s’écrire selon la formule d’interpolation de Newton 5.6 ou encore sous la forme récursive : pn (x) = pn−1 (x) + an (x − x0 )(x − x1 ) · · · (x − xn−1 )

(5.13)

Les coefficients de ce polynôme sont les différences divisées : ai = f [x0 , x1 , x2 , · · · , xi ] ⋆

pour 0 ≤ i ≤ n

(5.14)

Interpolation

217

Démonstration (facultative) : On démontre le résultat par induction. On a déjà établi le résultat pour n = 1 et n = 2. On suppose que ce résultat est vrai pour les polynômes de degré (n−1). Il s’agit de montrer qu’il est également vrai pour les polynômes de degré n. Pour ce faire, on introduit les polynômes pn−1 (x) et qn−1 (x) de degré (n−1) et passant respectivement par les points ((xi , f (xi )) pour i = 0, 1, 2, · · · , n − 1) et ((xi , f (xi )) pour i = 1, 2, 3, · · · , n). On note immédiatement que ces deux polynômes passent respectivement par les n premiers et les n derniers points d’interpolation. Les coefficients ai étant définis par la relation 5.14, on pose également : bi = f [x1 , x2 , · · · , xi+1 ] pour 1 ≤ i ≤ n − 1 Les ai et les bi sont les différences divisées relatives aux n premiers et aux n derniers points, respectivement. Suivant la définition des différences divisées, on observe que : an = f [x0 , x1 , · · · , xn ] =

f [x1 , x2 , · · · , xn ] − f [x0 , x1 , · · · , xn−1 ] xn − x0

c’est-à-dire : an =

bn−1 − an−1 xn − x0

(5.15)

L’hypothèse d’induction permet d’affirmer que : pn−1 (x) = pn−2 (x) + an−1 (x − x0 )(x − x1 ) · · · (x − xn−2 )

(5.16)

qn−1 (x) = qn−2 (x) + bn−1 (x − x1 )(x − x2 ) · · · (x − xn−1 )

(5.17)

et que :

La démonstration du théorème requiert de plus l’utilisation du lemme suivant. Lemme 5.17 L’unique polynôme pn (x) i = 0, 1, 2, · · · , n) s’écrit :

passant

pn (x) = pn−1 (x) +

par

les

points

((xi , f (xi ))

(x − x0 ) (qn−1 (x) − pn−1 (x)) (xn − x0 )

pour

(5.18)

Preuve du lemme : Il suffit de s’assurer que ce polynôme (qui est bien de degré n) passe par les points ((xi , f (xi )) pour i = 0, 1, 2, · · · , n). Le résultat suivra par unicité du polynôme d’interpolation. Suivant la définition des polynômes pn−1 (x) et qn−1 (x), on a : pn (x0 ) = pn−1 (x0 ) = f (x0 ) et à l’autre extrémité : pn (xn ) = pn−1 (xn ) + (qn−1 (xn ) − pn−1 (xn )) = qn−1 (xn ) = f (xn )

218

Chapitre 5

Aux points intermédiaires (1 ≤ i ≤ n − 1), on a : pn (xi ) = pn−1 (xi ) + = f (xi ) +

(xi − x0 ) (qn−1 (xi ) − pn−1 (xi )) (xn − x0 )

(xi − x0 ) (f (xi ) − f (xi )) = f (xi ) (xn − x0 )

ce qui termine la démonstration du lemme. ♣ On a donc : pn (x) − pn−1 (x) =

(x − x0 ) (qn−1 (x) − pn−1 (x)) (xn − x0 )

(5.19)

et la démonstration du théorème vient ensuite assez facilement. Les coefficients de la puissance xn−1 pour les polynômes pn−1 (x) et qn−1 (x) sont respectivement an−1 et bn−1 en vertu des équations 5.16 et 5.17. Selon l’équation 5.18, le coefficient de la puissance xn de pn (x) est : bn−1 − an−1 xn − x0 qui est an en vertu de la relation 5.15. La formule 5.19 permet aussi de trouver les racines de pn (x) − pn−1 (x), qui sont x0 , x1 , · · · , xn−1 . Ce polynôme s’écrit donc : pn (x) − pn−1 (x) = an (x − x0 )(x − x1 ) · · · (x − xn−1 ) ce qui termine la démonstration du théorème. ⋆ Remarque 5.18 Une fois les coefficients ai connus, on peut évaluer le polynôme de Newton au moyen d’un algorithme similaire au schéma de Horner (voir la section 1.5.3). On écrit alors le polynôme 5.6 sous la forme : pn (x) = a0 + (x − x0 )(a1 + (x − x1 )(a2 + (x − x2 )(a3 + · · · +(x − xn−2 )(an−1 + an (x − xn−1 )) · · · )))

(5.20)

De cette façon, on réduit le nombre d’opérations nécessaires à l’évaluation du polynôme. De plus, cette forme est moins sensible aux effets des erreurs d’arrondis.  Il reste maintenant à calculer efficacement la valeur de ce polynôme. La manière la plus simple consiste à construire une table dite de différences divisées de la façon suivante.

Interpolation xi

f (xi )

x0

f (x0 )

x1

f (x1 )

219

Table de différences divisées f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ] f [x0 , x1 ] f [x0 , x1 , x2 ] f [x1 , x2 ]

x2

f (x2 )

x3

f (x3 )

f [x0 , x1 , x2 , x3 ] f [x1 , x2 , x3 ]

f [x2 , x3 ]

La construction de cette table est simple. Nous nous sommes arrêtés aux troisièmes différences divisées, mais les autres s’obtiendraient de la même manière. Les premières différences divisées découlent de la définition. Par la suite, pour obtenir par exemple f [x0 , x1 , x2 ], il suffit de soustraire les 2 termes adjacents f [x1 , x2 ] − f [x0 , x1 ] et de diviser le résultat par (x2 − x0 ). De même, pour obtenir f [x0 , x1 , x2 , x3 ], on soustrait f [x0 , x1 , x2 ] de f [x1 , x2 , x3 ] et l’on divise le résultat par (x3 − x0 ). La formule de Newton utilise la diagonale principale de cette table. Exemple 5.19 La table de différences divisées pour les points (0 , 1), (1 , 2), (2 , 9) et (3 , 28) est : xi

Table de différences divisées f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ]

0

1

1

2

1 3 7 2

9

3

28

1 6

19

Suivant la formule de Newton 5.6, avec x0 = 0, le polynôme de collocation est : p3 (x) = 1 + 1(x − 0) + 3(x − 0)(x − 1) + 1(x − 0)(x − 1)(x − 2) = x3 + 1 qui est le même polynôme (en vertu de l’unicité) que celui obtenu par la méthode de Lagrange. On remarque de plus que le polynôme : p2 (x) = 1 + 1(x − 0) + 3(x − 0)(x − 1) passe quant à lui par les trois premiers points de collocation. Si l’on souhaite ajouter un point de collocation et calculer un polynôme de degré 4, il n’est pas nécessaire de tout recommencer. Par exemple, si l’on veut inclure le point (5 , 54), on peut compléter la table de différences divisées déjà utilisée.

220

Chapitre 5

xi

f (xi )

0

1

1

2

Table de différences divisées f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ]

f [xi , · · · , xi+4 ]

1 3 7 2

9

3

28

5

54

1 6

19

− 53

−2

−2

13

Ce polynôme de degré 4 est alors p4 (x) = p3 (x) − 53 (x − 0)(x − 1)(x − 2)(x − 3) qui est tout simplement le polynôme de degré 3 déjà calculé auquel on a ajouté une correction de degré 4. 

Exemple 5.20 Il est bon de remarquer que les points de collocation ne doivent pas forcément être placés par abscisses croissantes. Considérons par exemple la table suivante : xi

Table de différences divisées f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ]

2

1

0

−1

1 0,4 2,2

5

10

3

−4

1,2 1,6

7

On note que les abscisses xi ne sont pas par ordre croissant. Le polynôme passant par ces points est : p3 (x) = 1 + 1(x − 2) + 0,4(x − 2)(x − 0) + 1,2(x − 2)(x − 0)(x − 5) que l’on obtient de la relation 5.6 en prenant x0 = 2. Si l’on souhaite évaluer ce polynôme en x = 1, on peut se servir de la méthode de Horner. On réécrit alors le polynôme sous la forme : p3 (x) = 1 + (x − 2)(1 + (x − 0)(0,4 + 1,2(x − 5))) La fonction inconnue f (x) peut alors être estimée par ce polynôme. Ainsi : f (1) ≃ p3 (1) = 1 + (−1)(1 + (1)(0,4 + 1,2(−4))) = 1 + (−1)(1 − 4,4) = 4,4 Pour l’instant, nous n’avons aucune indication quant à la précision de cette approximation. Cette question est l’objet de la section suivante.

Interpolation

5.5

221

Erreur d’interpolation

L’interpolation permet, à partir d’un certain nombre de données sur les valeurs d’une fonction, de faire l’approximation de f (x) en tout point x. Toutefois, cette opération entraîne une erreur d’interpolation qu’il convient d’étudier en détail, d’autant plus que les résultats nous serviront également dans l’analyse de l’intégration et de la dérivation numériques. On peut exprimer l’erreur d’interpolation de la façon suivante : f (x) = pn (x) + En (x) ou encore En (x) = f (x) − pn (x) Cela signifie que le polynôme pn (x) de degré n procure une approximation de la fonction f (x) avec une erreur En (x). Il reste à évaluer cette erreur. On constate immédiatement que : En (xi ) = 0

pour i = 0, 1, 2, · · · , n

et donc que l’erreur d’interpolation est nulle aux points de collocation puisque le polynôme passe exactement par ces points. On suppose de plus que les données des points (xi , f (xi )) sont exactes, ce qui n’est pas toujours le cas. En effet, si ces données proviennent de mesures expérimentales, elles peuvent être entachées d’une erreur de mesure. Dans ce qui suit, nous supposons que cette erreur est nulle. Le résultat suivant donne une expression analytique du terme d’erreur. Théorème 5.21 (de l’erreur d’interpolation) Soit x0 < x1 < x2 < · · · < xn , les abscisses des points de collocation. On suppose que la fonction f (x) est définie dans l’intervalle [x0 , xn ] et qu’elle est (n + 1) fois dérivable dans ]x0 , xn [. Alors, pour tout x dans l’intervalle [x0 , xn ], il existe ξ(x) appartenant à l’intervalle ]x0 , xn [ tel que : En (x) =

f (n+1) (ξ(x)) (x − x0 )(x − x1 ) · · · (x − xn ) (n + 1)!

(5.21)

Démonstration (facultative) : Aux nœuds d’interpolation, on a En (xk ) = 0, pour k = 0, 1, 2, · · · , n et pour une valeur de x fixe et différente des abscisses d’interpolation (x ̸= xk ), on définit la fonction suivante de la variable t : (t − x0 )(t − x1 ) · · · (t − xn ) g(t) = f (t) − pn (t) − (f (x) − pn (x)) (x − x0 )(x − x1 ) · · · (x − xn ) Puisque f (x) ∈ C n+1 ([a, b]) et pn ∈ C ∞ ([a, b]), on a g(t) ∈ C n+1 ([a, b]) et de plus, g(t = xk ) = 0 pour k = 0, 1, 2, · · · , n. En t = x, on a aussi que g(t = x) = 0. La fonction g(t) possède donc n + 2 racines et le théoréme de Rolle généralisé [5] assure l’existence d’un point ξ ∈]a , b[ tel que g (n+1) (ξ) = 0 c.-à-d. : ( ) (t − x0 )(t − x1 ) · · · (t − xn ) dn+1 (n+1) (n+1) =0 f (ξ)−pn (ξ)−(f (x)−pn (x)) n+1 dt (x − x0 )(x − x1 ) · · · (x − xn ) t=ξ

222

Chapitre 5 (n+1)

Mais pn

(ξ) = 0 d’où :

f (n+1) (ξ) = (f (x) − pn (x))

(n + 1)! (x − x0 )(x − x1 ) · · · (x − xn )

ou encore : f (x) = pn (x) +

f (n+1) (ξ) (x − x0 )(x − x1 ) · · · (x − xn ) (n + 1)!

⋆ La relation 5.21 est l’expression analytique de l’erreur d’interpolation. Plusieurs commentaires sont nécessaires pour bien comprendre la portée de ce résultat. – On constate immédiatement que En (xi ) = 0 quel que soit i choisi entre 0 et n. L’erreur d’interpolation est nulle aux points de collocation. – La fonction a priori inconnue f (x) apparaît par l’entremise de sa dérivée d’ordre (n+1) évaluée au point ξ(x), également inconnu et qui varie avec x. – Il existe une similarité entre l’erreur d’interpolation et l’erreur reliée au développement de Taylor 1.21. Dans les deux cas, on montre l’existence d’un point ξ(x) permettant d’évaluer l’erreur, mais que l’on ne peut généralement pas déterminer. – Puisque le terme d’erreur en un point x fait intervenir des coefficients de la forme (x − xi ), il y a tout intérêt à choisir les points xi qui sont situés le plus près possible de x. Ce choix est utile lorsqu’un grand nombre de points de collocation sont disponibles et qu’il n’est pas nécessaire de construire un polynôme passant par tous les points. On retient alors seulement les points de collocation les plus près de x de manière à minimiser l’erreur. – La fonction (x − x0 )(x − x1 ) · · · (x − xn ) est un polynôme de degré (n + 1) et possède donc les (n + 1) racines réelles (xi pour i = 0, 1, · · · , n). Dans certaines conditions, cette fonction peut osciller avec de fortes amplitudes, d’où le risque de grandes erreurs d’interpolation. Cette propriété fait en sorte qu’il est délicat d’effectuer des interpolations en utilisant des polynômes de degré élevé. Exemple 5.22 Soit les valeurs expérimentales suivantes, que l’on a obtenues en mesurant la vitesse (en km/h) d’un véhicule toutes les 5 secondes : t(s) 0 5 10 15 20 25 30 35 40 45 v(km/h) 55 60 58 54 55 60 54 57 52 49 On constate que le véhicule se déplace à une vitesse oscillant autour de 55 km/h. On peut établir l’équation d’un polynôme de degré 9 passant par ces dix points (fig. 5.4). On remarque de fortes oscillations de ce polynôme

Interpolation

223

75

Vitesse 70 (km/h) 65 60 55 50 45 40 35 30 25 20 0

5

10

15

20

25

30

35

40

45

Temps (s) Figure 5.4 – Interpolation de la vitesse d’un véhicule

principalement au début et à la fin de l’intervalle [0 , 45]. Ainsi, si l’on interpole les valeurs en t = 2,5 s et en t = 42,5 s, on trouve des vitesses respectives de 69,25 km/h et de 27,02 km/h, ce qui semble peu probable puisque le véhicule se déplace à une vitesse à peu près uniforme. Si l’on regarde les valeurs adjacentes au temps t = 42,5 s, le véhicule serait passé de 52 km/h à 49 km/h en passant par un creux soudain de 27,02 km/h. Rien ne laisse supposer un tel comportement. Pour remédier à la situation, on doit recourir à des polynômes de degré plus faible. Ainsi, en prenant seulement les trois premiers points de collocation qui définissent un polynôme de degré 2, on trouve une vitesse de 58,38 km/h en t = 2,5 s. De même, en ne considérant que les trois derniers points de collocation, on trouve une vitesse de 50,25 km/h en t = 42,5 s. Ces résultats sont beaucoup plus acceptables. Profitons de l’occasion pour souligner les dangers de l’extrapolation, c’està-dire de l’utilisation du polynôme d’interpolation à l’extérieur de l’intervalle contenant les points de collocation. Dans cet exemple où l’intervalle est [0 , 45], on trouverait une vitesse de 256 km/h en t = 47 s et de 1635 km/h en t = 50s. Ces valeurs sont inutilisables.  Remarque 5.23 L’expression analytique du terme d’erreur nous impose de choisir les points d’interpolation les plus près du point x où l’on veut interpoler. Cela s’est révélé souhaitable dans l’exemple précédent et est en fait une règle générale.  Exemple 5.24 Soit les points (1 , 1), (3 , 1,732 051), (7,5 , 2,738 613), (9,1 , 3,016 621) et (12 , 3,464 102). Si l’on veut interpoler la fonction inconnue f (x) en x = 8, il est utile de construire une table de différences divisées.

224

xi

Chapitre 5

Table de différences divisées f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ] f [xi , · · · , xi+4 ]

7,5 2,738 613 0,173 755 9,1 3,016 621 0,154 304 12 3,464 102 0,192 450 3 1,732 051

−0,004 322 47 −0,006 253 44 −0,015 779 54

0,000 4291

−0,000 1149

0,001 1761

0,366 025 1 1,000 000 On remarque que les abscisses xi ont été ordonnées en fonction de leur distance par rapport à x = 8. Cela permet d’effectuer d’abord l’interpolation avec les valeurs les plus proches de x et également de diminuer plus rapidement l’erreur d’interpolation. En effet, en prenant des polynômes de degré de plus en plus élevé, la formule de Newton donne les résultats suivants.

Classement par distance croissante √ Degré n pn (8) |pn (8) − 8| 1 2,825 490 0,29 × 10−2 2 2,827 868 0,55 × 10−3 3 2,828 812 0,38 × 10−3 4 2,827 547 0,88 × 10−3 √ La fonction interpolée est f (x) = x, qui prend la valeur de 2,828 427 125 en x = 8. On constate donc une précision acceptable dès le polynôme de degré 1. Si les points d’interpolation avaient été classés par abscisse croissante, on aurait obtenu le tableau suivant.

Classement par abscisse croissante √ Degré n pn (8) |pn (8) − 8| 1 3,562 178 0,73 × 10+0 2 2,795 705 0,32 × 10−1 3 2,825 335 0,30 × 10−2 4 2,827 547 0,88 × 10−3 Il faut dans ce cas attendre le degré 3 avant d’avoir une précision acceptable. On obtient bien sûr le même résultat dans les deux cas lorsque tous les points d’interpolation sont utilisés, c’est-à-dire lorsqu’on recourt au polynôme de degré 4. On voit donc l’importance d’utiliser les points de collocation les plus

Interpolation

225

près possible de l’abscisse autour de laquelle on veut effectuer l’interpolation.  L’expression analytique de l’erreur d’interpolation 5.21 ne permet pas d’évaluer la précision de l’approximation. Il est cependant souhaitable de pouvoir évaluer cette erreur, même de façon grossière. Cela est possible avec la formule de Newton. En effet, l’expression 5.21 fait intervenir la dérivée d’ordre (n + 1) de la fonction f (x) en x = ξ. C’est ce terme qu’il est nécessaire d’estimer, puisque c’est le seul qui ne puisse être évalué exactement. Considérons le cas particulier où les abscisses xi sont également distantes, c’est-à-dire où : xi+1 − xi = h Il faut établir un lien entre les dérivées de la fonction f (x) et les différences divisées. On remarque dans un premier temps que f [x0 , x1 ] est une approximation d’ordre 1 de la dérivée de f (x) en x = x0 : f [x0 , x1 ] = f ′ (x0 ) + O(h) En effet, on a : f [x0 , x1 ] =

f (x0 + h) − f (x0 ) f (x1 ) − f (x0 ) = (x1 − x0 ) h

En utilisant le développement de Taylor 1.20, on obtient : ) ( ′′ 2 f (x0 ) + f ′ (x0 )h + f (x20 )h + O(h3 ) − f (x0 ) f [x0 , x1 ] = h = f ′ (x0 ) +

f ′′ (x0 )h + O(h2 ) = f ′ (x0 ) + O(h) 2

De même, on peut montrer qu’à une constante près la n-ième différence divisée de f (x) est une approximation d’ordre 1 de la dérivée n-ième de f (x) en x = x0 . On peut en effet démontrer que : f [x0 , x1 , x2 · · · , xn ] =

f (n) (x0 ) + O(h) n!

(5.22)

Nous reviendrons sur l’approximation 5.22 au chapitre 6 sur la dérivation numérique. Pour le moment, servons-nous de ce résultat. On suppose que la dérivée (n + 1)-ième de f (x) varie peu dans l’intervalle [x0 , xn ]. On a alors l’approximation suivante : f [x0 , x1 , x2 , · · · , xn , xn+1 ] ≃

f n+1 (ξ) f (n+1) (x0 ) ≃ (n + 1)! (n + 1)!

On peut ainsi estimer le terme d’erreur 5.21 par : En (x) ≃ f [x0 , x1 , x2 , · · · , xn , xn+1 ](x − x0 )(x − x1 ) · · · (x − xn )

(5.23)

226

Chapitre 5

ce qui revient à écrire : En (x) ≃ pn+1 (x) − pn (x)

(5.24)

Remarque 5.25 On remarque immédiatement que l’approximation 5.23 (ou 5.24) n’est rien d’autre que le terme nécessaire au calcul du polynôme de degré (n + 1) dans la formule de Newton 5.6. En d’autres termes, il est possible d’évaluer l’erreur d’interpolation liée à un polynôme de degré n en calculant le terme suivant dans la formule de Newton. L’approximation 5.23 (ou 5.24) n’est pas toujours d’une grande précision, mais c’est généralement la seule disponible.  Cela nous amène à suggérer le critère d’arrêt suivant dans le cas de l’interpolation à l’aide de la formule de Newton. On considère que l’approximation pn (x) est suffisamment précise si : |pn+1 (x) − pn (x)| < ϵa |pn+1 (x)| où ϵa est une valeur de tolérance fixée à l’avance. Il est généralement recommandé de fixer également le degré maximal N des polynômes utilisés. Exemple 5.26 √ Soit une table de la fonction x. Puisqu’on connaît la fonction (ce qui n’est bien sûr pas le cas en pratique), on est donc en mesure d’évaluer l’erreur exacte et de la comparer avec son approximation obtenue à l’aide de la relation 5.23. xi

Table de différences divisées f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ]

f [xi , · · · , xi+4 ]

7 2,645 751 0,177 124 9 3,000 000

−0,004 702 99

0,158 312

0,000 206 783 −0,003 462 29

11 3,316 625 0,144 463 13 3,605 551

−0,002 686 80

−0,9692 × 10−5

0,000 129 248

0,133 716 15 3,872 983 √ On tente d’obtenir une approximation de 8 à l’aide de cette table. En se basant sur un polynôme de degré 1 et en prenant x0 = 7, on obtient facilement : p1 (x) = 2,645 751 + 0,177 124(x − 7) de telle sorte que p1 (8) = 2,822 875. L’erreur exacte en x = 8 est alors : √ E1 (8) = f (8) − p1 (8) = 8 − 2,822 875 = 0,005 552 125

Interpolation

227

Selon l’expression 5.23, on peut estimer cette erreur par le terme suivant dans la formule de Newton 5.6, c’est-à-dire : E1 (8) ≃ −0,004 702 99(8 − 7)(8 − 9) = 0,004 702 99 On constate donc que l’erreur approximative est assez près de l’erreur exacte. Considérons maintenant le polynôme de degré 2 : p2 (x) = p1 (x) − 0,004 702 99(x − 7)(x − 9) qui prend la valeur : p2 (8) = 2,822 875 + 0,004 702 99 = 2,827 577 990 soit une erreur exacte de 0,000 849 135. Encore ici, cette erreur peut être approchée à l’aide du terme suivant dans la formule de Newton : E2 (8) ≃ 0,000 206 783(8 − 7)(8 − 9)(8 − 11) = 0,000 620 349 Enfin, en passant au polynôme de degré 3, on trouve : p3 (x) = p2 (x) + 0,000 206 783(x − 7)(x − 9)(x − 11) ce qui entraîne que : p3 (8) = 2,827 578 301 + 0,000 620 349 = 2,828 198 339 L’erreur exacte est alors 0,000 228 786, ce qui est près de la valeur obtenue au moyen de l’équation 5.23 : E3 (8) ≃ −0,9692 × 10−5 (8 − 7)(8 − 9)(8 − 11)(8 − 13) = 0,000 145 380 qui montre que cette approximation possède 4 chiffres significatifs. On remarque par ailleurs dans la table que les premières différences divisées sont négatives et que le signe alterne d’une colonne à une autre. Cela s’explique par la relation 5.22, qui établit un lien entre les différences divisées et les dérivées de la fonction f (x). Dans cet exemple, on a : f (x) =



1 −1 3 ′′′ x, f ′ (x) = √ , f ′′ (x) = 3 , f (x) = 5 , etc. 2 x 4x 2 8x 2

Le signe des dérivées alterne, tout comme le signe des différentes colonnes de la table de différences divisées.  Nous terminerons cette section en cherchant à déterminer l’ordre de convergence de l’approximation polynomiale. Si l’on retient le cas où les abscisses sont également distantes, il suffit de poser : s=

x − x0 h

ou encore (x − x0 ) = sh

On remarque alors que : x − xi = x − (x0 + ih) = (x − x0 ) − ih = sh − ih = (s − i)h

(5.25)

228

Chapitre 5

Il suffit maintenant de remplacer x−xi par (s−i)h dans l’expression analytique de l’erreur d’interpolation 5.21 pour obtenir le prochain résultat. Théorème 5.27 Dans le cas où les abscisses xi des points de collocation sont équidistantes, l’expression analytique de l’erreur d’interpolation s’écrit : En (x) =

f (n+1) (ξ) s(s − 1)(s − 2) · · · (s − n)hn+1 (n + 1)!

(5.26)

pour un certain ξ dans l’intervalle ]x0 , xn [ et pour s défini par l’équation 5.25. ⋆ Remarque 5.28 On peut dès lors conclure que le polynôme d’interpolation pn (x) est une approximation d’ordre (n + 1) de la fonction f (x). Encore une fois, si l’on prend des points de collocation situés à une distance h2 les uns des autres, l’erreur d’interpolation est diminuée d’un facteur de 2n+1 . 

Exemple 5.29 Pour illustrer l’ordre de convergence d’un polynôme de collocation, il est nécessaire de regarder le comportement de l’erreur lorsque h tend vers 0. Par exemple, on peut utiliser un polynôme de degré 2 (précis à l’ordre 3) construit à partir des points : ) ( ) ( ) ( h h h 3h 3h h , f (x0 + ) x0 − , f (x0 − ) , x0 + , f (x0 + ) , x0 + 2 2 2 2 2 2 faire tendre h vers 0 et vérifier la décroissance de l’erreur en x = x0 . Le problème est illustré à la figure 5.5, où l’on constate que le point x0 est coincé entre les 3 abscisses choisies, quel que soit h. On a obtenu le tableau qui suit en utilisant la fonction f (x) = ex au point x0 = 2,6. Ordre de l’erreur d’interpolation p2 (2,6) − e2,6 h p2 (2,6) 0,500 0000 × 10+0 0,250 0000 × 10+0 0,125 0000 × 10+0 0,625 0000 × 10−1 0,312 5000 × 10−1 0,156 2500 × 10−1 0,781 2500 × 10−2 0,390 6250 × 10−2 0,195 3125 × 10−2 0,976 5625 × 10−3

13,335 083 13,449 248 13,462 014 13,463 528 13,463 712 13,463 735 13,463 738 13,463 738 13,463 738 13,463 738

0,128 65 × 10+0 0,144 90 × 10−1 0,172 38 × 10−2 0,210 35 × 10−3 0,259 84 × 10−4 0,322 89 × 10−5 0,402 42 × 10−6 0,502 29 × 10−7 0,627 41 × 10−8 0,783 97 × 10−9

e(2h) e(h) — 8, 878 61 8, 405 61 8, 194 91 8, 095 61 8, 047 31 8, 023 51 8, 011 71 8, 005 81 8, 002 91

Interpolation

229

f (x0 + h2 ) f (x0 +

3h 2 )

f (x0 − h2 )

x0 −

h 2

x0

x0 +

h 2

x0 +

3h 2

Figure 5.5 – Trois points de collocation On remarque que la valeur de h est systématiquement divisée par 2 et que l’erreur tend vers 0. De plus, le rapport de l’erreur liée à la valeur de h précédente (deux fois plus grande) et de l’erreur liée à la valeur de h actuelle fait apparaître la valeur de 8 (ou 23 ), ce qui confirme l’ordre 3 de cette approximation.  Remarque 5.30 L’expression analytique de l’erreur d’interpolation demeure la même, quelle que soit la façon dont on calcule le polynôme d’interpolation. Ainsi, l’expression 5.21 est valable si l’on utilise l’interpolation de Lagrange, la matrice de Vandermonde ou toute autre méthode. Cela s’explique par l’unicité de ce polynôme. L’approximation de l’erreur exprimée par l’équation 5.23 est également valable quelle que soit la façon dont on calcule le polynôme d’interpolation. Si l’on utilise une autre méthode que l’interpolation de Newton, il faut calculer la table de différences divisées pour obtenir l’approximation 5.23. Il est donc avantageux d’utiliser la formule de Newton dès le départ. 

5.6

Splines cubiques

Dans bon nombre d’applications, il est impératif d’obtenir des courbes très régulières passant par un grand nombre de points. C’est le cas en conception assistée par ordinateur (CAO), où l’on cherche à représenter des objets aux formes lisses. Nous avons déjà constaté que l’utilisation de polynômes de degré élevé est délicate et mène parfois à des oscillations de grande amplitude. Les polynômes de degré élevé sont alors peu adéquats.

230

Chapitre 5

f (x2 ) f (x4 ) f (x1 ) f (x3 )

f (x0 )

x0

x1

x2

x3

x4

Figure 5.6 – Interpolation linéaire par morceaux On peut mesurer la régularité d’une fonction par le biais de ses dérivées. En effet, plus une fonction est différentiable, plus la courbe qui lui est associée est lisse et plus la fonction est régulière. Le problème, lorsque l’on utilise des polynômes de faible degré, provient du fait qu’il faut en utiliser plusieurs pour relier tous les points. C’est le cas de l’interpolation linéaire par morceaux, illustrée à la figure 5.6, qui consiste à relier chaque paire de points par un segment de droite. On utilise aussi l’appellation splines linéaires. On imagine assez mal comment une telle courbe pourrait permettre de faire la conception d’une carrosserie de voiture ou d’une aile d’avion. Il faut donc être plus prudent à la jonction des différents segments de courbe. La spline linéaire est continue mais n’est pas dérivable et nous allons maintenant montrer que l’on peut faire beaucoup mieux. Les splines cubiques représentent un compromis très intéressant entre la régularité de la courbe obtenue et le degré des polynômes utilisés. Nous étudierons dans un premier temps les courbes de la forme y = f (x) et par la suite nous verrons comment aborder les courbes paramétrées.

5.6.1

Courbes de la forme y = f (x)

On considère donc, ici encore, (n + 1) points d’interpolation (xi , f (xi )), i = 0, 1, 2, · · · , n par lesquels on souhaite faire passer une courbe autant de fois différentiable que possible. Dans chaque intervalle [xi , xi+1 ] (de longueur hi = xi+1 − xi ), nous allons utiliser un polynôme de degré 3 de la forme : pi (x) = fi + fi′ (x − xi ) +

fi′′ f ′′′ (x − xi )2 + i (x − xi )3 2! 3!

pour i = 0, 1, 2, · · · , n − 1

(5.27)

Interpolation

231

p2 (x) p1 (x)

f (x2 )

f (x3 ) f (x4 )

p3 (x)

p0 (x)

f (x1 ) f (x0 )

x0

x1

x2

x3

x4

Figure 5.7 – Splines cubiques : (n = 4) polynômes de degré 3 et relier ces différents polynômes de façon à ce que la courbe résultante soit deux fois différentiable. La situation est décrite à la figure 5.7 pour n = 4. C’est l’interpolation par splines cubiques. On remarque que chacun de ces polynômes se présente commme un développement de Taylor autour du point xi . Ce n’est nullement obligatoire mais cette forme permet d’interpréter plus facilement les coefficients à déterminer fi , fi′ , fi′′ et fi′′′ qui sont alors respectivement les valeurs de la spline et de ses trois premières dérivées en xi . On constate en ′′′ effet facilement que pi (xi ) = fi , p′i (xi ) = fi′ p′′i (xi ) = fi′′ et enfin p′′′ i (xi ) = fi . Puisque l’on a (n + 1) points d’interpolation, il y a n intervalles [xi , xi+1 ] qui résultent en 4n coefficients inconnus (fi , fi′ , fi′′ et fi′′′ pour i = 0, 1, · · · , n − 1). Ces 4n coefficients doivent être déterminés le plus efficacement possible pour que la méthode reste attrayante. Comme nous allons le constater, une résolution astucieuse conduit à un système linéaire tridiagonal de dimension (n + 1) qui pourra être résolu par l’algorithme décrit à la section 3.5.5. Nous allons en effet exprimer toutes ces inconnues en fonction des dérivées secondes fi′′ aux noeuds. On complète donc notre ensemble d’inconnues en introduisant la dérivée seconde fn′′ au noeud xn de sorte que nous aurons un grand total de 4n + 1 inconnues que nous réduirons en un système de dimension n + 1. Voyons combien de conditions ou d’équations nous pouvons imposer à ces 4n + 1 coefficients. Ces équations proviennent des conditions de régularité que l’on souhaite imposer à la courbe résultante. – On définit tout d’abord que fn′′ est tout simplement la dérivée seconde de la spline en xn . On a ainsi une première équation : ′′ ′′′ ′′ ′′′ fn′′ = p′′n−1 (xn ) = fn−1 + fn−1 (xn − xn−1 ) = fn−1 + fn−1 hn−1

qui peut aussi s’écrire : ′′′ fn−1 =

′′ fn′′ − fn−1 hn−1

(5.28)

232

Chapitre 5

– À sa première extrémité, le polynôme pi (x) passe (xi , f (xi )), c’est-à-dire : pi (xi ) = fi = f (xi ) pour i = 0, 1, 2, · · · , n − 1 ce qui nous donne n équations ; – De même, on obtient n nouvelles équations en regardant à la deuxième extrémité de chaque sous-intervalle. Pour i = 0, 1, 2, · · · , n − 1 : fi′′ (xi+1 − xi )2 2! f ′′′ + i (xi+1 − xi )3 3! ′′ ′′′ f f = f (xi ) + fi′ hi + i h2i + i h3i 2! 3!

pi (xi+1 ) = f (xi+1 ) = fi + fi′ (xi+1 − xi ) +

On peut ainsi isoler fi′ pour obtenir : fi′ =

f (xi+1 ) − f (xi ) fi′′ f ′′′ f ′′ f ′′′ − hi − i h2i = f [xi , xi+1 ]− i hi − i h2i (5.29) hi 2! 3! 2! 3!

– On impose maintenant la continuité des dérivées secondes aux (n − 1) noeuds intérieurs xi+1 , i = 0, 1, · · · , n − 2, c’est-à-dire n − 1 nouvelles équations : p′′i+1 (xi+1 ) = p′′i (xi+1 ) ou encore :

′′ fi+1 = fi′′ + fi′′′ (xi+1 − xi ) = fi′′ + fi′′′ hi

et en isolant fi′′′ , on trouve : fi′′′ =

′′ − f ′′ fi+1 i hi

(5.30)

Cette relation n’est a priori vraie que pour i = 0, 1, · · · n − 2. En vertu de l’équation 5.28, elle est également vraie pour i = n − 1 de sorte que l’on peut remplacer dans l’équation 5.29 qui devient : ( ′′ ) fi+1 − fi′′ fi′′ ′ fi = f [xi , xi+1 ] − hi − hi 2! 3! et par la suite : fi′ = f [xi , xi+1 ] −

′′ hi fi′′ hi fi+1 − 3 6

(5.31)

– Il ne reste plus qu’à imposer la continuité de la dérivée première aux mêmes (n − 1) points intérieurs (c.-à-d. (n − 1) nouvelles équations) : p′i+1 (xi+1 ) = p′i (xi+1 ) ou encore : ′ fi+1 = fi′ + fi′′ hi +

fi′′′ 2 h 2 i

Interpolation

233

On peut ensuite utiliser les expressions 5.30 et 5.31 pour tout exprimer en fonction des inconnues fi′′ . On a alors : f [xi+1 , xi+2 ] −

′′ ′′ ′′ hi+1 fi+1 hi+1 fi+2 hi fi′′ hi fi+1 − = f [xi , xi+1 ] − − 3 6 3( 6 ′′ − f ′′ ) f i+1 i + fi′′ hi + hi 2

qui devient, en regroupant les termes : ′′ ′′ hi fi′′ + 2(hi + hi+1 )fi+1 + hi+2 fi+2 = 6(f [xi+1 , xi+2 ] − f [xi , xi+1 ])

Une dernière simplification est possible si l’on divise chaque terme de cette dernière équation par : hi + hi+1 = xi+1 − xi + xi+2 − xi+1 = xi+2 − xi ce qui donne : hi hi+1 ′′ fi′′ + 2fi+1 + f ′′ = 6f [xi , xi+1 , xi+2 ] (hi + hi+1 ) (hi + hi+1 ) i+2

(5.32)

pour i = 0, 1, 2, · · · , n − 2 On remarque que le terme de droite fait intervenir les deuxièmes différences divisées que nous avons définies à la section 5.4. Dans le cas où les abscisses sont équidistantes, c’est-à-dire hi = h quel que soit i, la matrice du système linéaire 5.32 se trouve simplifiée : 1 ′′ 1 ′′ ′′ fi + 2fi+1 + fi+2 2 2

= 6f [xi , xi+1 , xi+2 ] (5.33)

pour i = 0, 1, 2, · · · , n − 2 et on obtient alors une matrice tridiagonale dont la diagonale principale ne contient que des 2, tandis que les deux autres diagonales sont constituées de coefficients valant 12 . Cette matrice ne dépend donc pas de la valeur de h, qui n’affecte que le terme de droite Nous avons donc imposé un total de 4n − 1 contraintes à nos 4n + 1 inconnues de départ. Nous avons également exprimé toutes les inconnues du système en fonction des dérivées secondes fi′′ de la spline et de fait il ne reste que n + 1 inconnues pour les n − 1 équations du système 5.32. On doit donc ajouter, de façon plus ou moins arbitraire, deux équations supplémentaires pour compléter le système et avoir autant d’équations que d’inconnues. Nous présentons maintenant quelques possibilités dont le choix précis dépend du problème et de la connaissance que l’on a de ce qui se passe aux extrémités de la courbe. – La manière la plus simple de compléter le système d’équations consiste à imposer les valeurs des dérivées secondes aux deux extrémités soit p′′0 (x0 ) = a et p′′n−1 (xn ) = b : f0′′ = a et fn′′ = b

(5.34)

234

Chapitre 5

Cela supppose bien entendu que l’on connaît les valeurs a et b de la dérivée seconde aux extrémités de la courbe. Si a = b = 0, on qualifie de spline naturelle la courbe qui en résulte. Ces deux équations s’ajoutent aisément au système 5.32. – Un autre choix possible consiste à imposer que : { f0′′ = f1′′ ou encore f0′′ − f1′′ = 0 (5.35) ′′ ′′ + fn′′ = 0 fn−1 = fn′′ ou encore − fn−1 ce qui revient à imposer une courbure constante dans le premier et dans le dernier intervalle. Ces contraintes s’ajoutent aussi aux équations 5.32 et complètent ainsi le système de (n + 1) équations en (n + 1) inconnues. – On peut aussi imposer les dérivées premières p′0 (x0 ) = a et p′n−1 (xn ) = b aux deux extrémités (en supposant toujours que nous les connaissions). En x0 , on utilise directement la relation 5.31 : f0′ = f [x0 , x1 ] −

h0 f0′′ h0 f1′′ − =a 3 6

qui devient : 2f0′′ + f1′′ =

6 (f [x0 , x1 ] − a) h0

En xn cependant, on ne peut utiliser directement la relation 5.31 puisqu’elle n’est définie que pour i allant de 0 à n − 2. Cependant, de la définition de pn−1 (x) : ′ ′′ p′n−1 (xn ) = fn−1 + fn−1 hn−1 +

′′′ fn−1 h2 2 n−1

′ ′′′ ce qui fait qu’en développant fn−1 et fn−1 à l’aide des formules 5.31 et 5.28, on trouve :

p′n−1 (xn ) = f [xn−1 , xn ] +

hn−1 ′′ (fn−1 + 2fn′′ ) 6

(5.36)

Imposer b = p′n−1 (xn ) revient alors à : ′′ fn−1 + 2fn′′ =

6 (b − f [xn−1 , xn ]) hn−1

et on doit donc ajouter au système 5.32 les équations :  6   2f0′′ + f1′′ = (f [x0 , x1 ] − a)   h0   ′′   fn−1 + 2fn′′ =

(5.37) 6 hn−1

(b − f [xn−1 , xn ])

– Une autre avenue intéressante est la condition dite « not-a-knot » en anglais. Cela consiste à éliminer, mais de manière virtuelle seulement, les

Interpolation

235

noeuds d’interpolation x1 et xn−1 . Pour ce faire, on impose en ces deux noeuds la continuité de la troisième dérivée soit : ′′′ ′′′ ′′′ p′′′ 0 (x1 ) = p1 (x1 ) ainsi que pn−2 (xn−1 ) = pn−1 (xn−1 )

ce qui revient à :

′′′ ′′′ f0′′′ = f1′′′ et fn−2 = fn−1

et enfin, en utilisant 5.30 : ′′ ′′ f ′′ − fn−2 f ′′ − fn−1 f1′′ − f0′′ f ′′ − f1′′ = 2 ainsi que n−1 = n h0 h1 hn−2 hn−1

On doit donc ajouter au système 5.32 les équations : h1 f0′′ − (h0 ′′ hn−1 fn−2 − (hn−2

+ h1 )f1′′ + h0 f2′′ = 0 ′′ + hn−1 )fn−1 + hn−2 fn′′ = 0

(5.38)

Au noeud x1 , les polynômes p0 (x) et p1 (x) coïncident ainsi que leurs trois premières dérivées. Puisque ce sont des polynômes de degré 3, ils sont donc identiques et il n’y a en fait qu’un seul polynôme de degré 3 dans les deux premiers intervalles. C’est pourquoi on dit que le noeud x1 n’est pas vraiment un noeud (« not-a-knot » ). Il en est de même pour les polynômes pn−2 (x) et pn−1 (x) adjacents au noeud xn−1 . – Une dernière situation intéressante et fréquemment utile concerne la représentation de fonctions périodiques. Dans ce cas, on doit vérifier dès le départ que f (x0 ) = f (xn ) mais cela ne suffit pas à imposer la périodicité de la spline. On doit aussi imposer la périodicité des dérivées première et deuxième soit f0′ = fn′ et f0′′ = fn′′ . Cette dernière équation est facilement intégrée au système tandis que pour la première, on a en vertu des équations 5.31 et 5.36 : f [x0 , x1 ] −

h0 f0′′ h0 f1′′ hn−1 ′′ − = f [xn−1 , xn ] + (fn−1 + 2fn′′ ) 3 6 6

On doit donc imposer les deux conditions suivantes pour avoir la périodicité :  f0′′ − fn′′ = 0     h0 f ′′ + h0 f ′′ + hn−1 f ′′ + hn−1 f ′′ = f [x0 , x1 ] − f [xn−1 , xn ] 3 0 6 1 6 n−1 3 n (5.39) Remarque 5.31 D’autres choix sont possibles. Tout dépend de l’information disponible pour un problème donné. On remarque de plus que pour les deux derniers types de conditions aux extrémités, les systèmes linéaires obtenus ne sont plus tridiagonaux. 

236

Chapitre 5

L’algorithme suivant résume toutes les étapes pour le calcul d’une spline cubique. Algorithme 5.32 : Splines cubiques Étant donnés les points (xi , f (xi )), i = 0, 1, · · · n ; – Construction du tableau de différences finies pour les f [xi , xi+1 , xi+2 ] ; – Calcul des longueurs d’intervalles hi ; – Calcul des dérivées secondes fi′′ par résolution du système linéaire constitué : – des équations 5.32 pour les noeuds intérieurs ; – et complété par : – les équations 5.34 pour une spline dont on impose les dérivées secondes aux extrémités (a = b = 0 pour la spline naturelle) ; – les équations 5.35 pour une spline avec courbure constante dans le premier et le dernier intervalle ; – les équations 5.37 pour une spline dont on impose les dérivées premières aux extrémités ; – les équations 5.38 pour une spline « not-a-knot » ; – les équations 5.39 pour une spline périodique ; – Calcul des coefficients de la spline pour chaque intervalle :  fi = f (xi )   ′′   ′ hi fi′′ hi fi+1 fi = f [xi , xi+1 ] − − (5.40) 3 6 ′′ − f ′′   f  i+1 i  fi′′′ = hi – La spline dans l’intervalle [xi , xi+1 ] s’écrit (pour i = 0, 1, 2, · · · , n−1) : pi (x) = fi + fi′ (x − xi ) +

fi′′ f ′′′ (x − xi )2 + i (x − xi )3 2! 3!

N

Exemple 5.33 Soit les 4 points suivants : (1 , 1), (2 , 9), (4 , 2), (5 , 11). On trouve toute l’information nécessaire au calcul de la spline cubique dans la table suivante. Données pour le calcul de la spline i xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] 0 1 1 8 1 2 9 − 23 6 7 −2 25 2 4 2 6 9 3 5 11

hi 1 2 1

Interpolation

237

11

y

10 9 8 7

6 5

4 3 2 1

1

2

3

4

x

5

Figure 5.8 – Spline passant par 4 points La première équation (i = 0) du système 5.32 devient : ( ) ( ) ( ) 1 23 2 ′′ ′′ ′′ f0 + 2f1 + f2 = 6 − 3 3 6 et la deuxième équation (i = 1) s’écrit : ( ) ( ) ( ) 2 1 25 ′′ ′′ ′′ f1 + 2f2 + f3 = 6 3 3 6 Pour obtenir la spline naturelle  1 0 0  1 2 2 3  3  0 2 2  3 0 0 0

(f0′′ = f3′′ = 0), on résout le système :   0  f0′′   0 0  f1′′   −23     = 1   f ′′   25  2  3  f3′′ 0 1

dont la solution est f0′′ = 0, f1′′ = −141/8, f2′′ = 147/8 et f3′′ = 0. Pour obtenir l’équation de la spline dans le premier intervalle, on doit utiliser les relations 5.27 et 5.40. On obtient :  f0 = 1         ′ h0 f0′′ h0 f1′′ (1)(0) (1)(−141/8) 175 f0 = f [x0 , x1 ] − − =8− − = 3 6 3 6 16      f1′′ − f0′′ 141    f0′′′ = =− h0 8 et on a : p0 (x) = 1 +

175 0 47 (x − 1) + (x − 1)2 − (x − 1)3 16 2 16

238

Chapitre 5

Ce polynôme n’est défini que dans l’intervalle [1 , 2]. On peut par exemple l’évaluer en x = 1,5 pour obtenir 6,101 5625. De même, si l’on a besoin de la valeur de la spline en x = 3, qui est situé dans le deuxième intervalle (soit [2 , 4]), on peut obtenir l’équation de la spline dans cet intervalle en posant i = 1 dans l’équation 5.27. On a alors :  f1 = 9         ′ 7 (2)(−141/8) (2)(147/8) 17 h1 f1′′ h1 f2′′ − =− − − = f1 = f [x1 , x2 ] − 3 6 2 3 6 8      f2′′ − f1′′    f1′′′ = = 18 h1 et on a :

17 141 (x − 2) − (x − 2)2 + 3(x − 2)3 8 16 La valeur de la spline en x = 3 est donc 5,3125. La spline complète est illustrée à la figure 5.8.  p1 (x) = 9 +

Exemple 5.34 Si l’on reprend l’exemple où la vitesse d’un véhicule est mesurée toutes les 5 secondes, on obtient la spline de la figure 5.9. On remarque immédiatement que les fortes oscillations observées à la figure 5.4 avec un polynôme de degré 9 ont disparu. On peut alors interpoler la valeur de la vitesse du véhicule partout dans l’intervalle [0 , 45] sans risque d’obtenir des valeurs aberrantes. 

5.6.2

Splines paramétrées

Les logiciels de conception assistée par ordinateur (CAO) doivent fréquemment relier des points que l’utilisateur spécifie à l’écran en cliquant à l’aide de la souris. La courbe résultante n’est pas forcément de la forme y = f (x) en ce sens qu’elle peut contenir des boucles et prendre des formes tout à fait quelconques. Nous ne pouvons donc pas utiliser directement la méthodologie que nous venons de développer. Comme nous le verrons, il suffit cependant d’une très légère modification. On souhaite ainsi, à l’aide de quelques points donnés dans un plan ou dans l’espace à 3 dimensions, construire des trajectoires complexes permettant de faire la conception d’objets de formes très diverses. Pour y arriver, on peut avoir recours aux splines cubiques paramétrées que nous allons maintenant décrire. On cherche donc à construire une courbe régulière passant par les points de l’espace (ou du plan) de la forme (xi1 , xi2 , xi3 ) pour i = 0, 1, 2, · · · , n. La paramétrisation d’une courbe s’obtient par une équation de la forme : ⃗γ (t) = (γ1 (t), γ2 (t), γ3 (t)),

t ∈ [a, b]

Interpolation

239

70

Vitesse (km/h)

60

50

40

30

20 0

5

10

15

20

25

30

35

40

45

Temps (s) Figure 5.9 – Spline cubique associée au problème du véhicule On décrit la courbe en faisant varier le paramètre t entre a et b. Pour construire une courbe paramétrée passant par les points (xi1 , xi2 , xi3 ), il faut d’abord construire la suite ti des valeurs du paramètre t de telle sorte que : ⃗γ (ti ) = (xi1 , xi2 , xi3 ) Le choix le plus simple est bien sûr ti = i, mais il ne tient aucun compte des distances respectives entre les points (xi1 , xi2 , xi3 ). Un choix plus judicieux consiste à prendre t0 = 0 et : ti = ti−1 + ||⃗xi − ⃗xi−1 ||2 pour i ≥ 1

(5.41)

La distance entre les valeurs du paramètre t est ainsi variable et dépend directement de la distance entre les points d’interpolation, ce qui assure un meilleur équilibre de la courbe résultante. Pour obtenir la spline paramétrée passant par n points donnés, il suffit de calculer les 3 splines passant respectivement par les points (ti , xi1 ), (ti , xi2 ) et (ti , xi3 ) (en dimension 2, on laisse tomber la troisième spline). Il suffit donc de suivre les étapes suivantes : – créer le vecteur t contenant les valeurs des ti suivant l’équation 5.41. On notera tmax la valeur maximale du vecteur t. Les ti étant croissants, on a tmax = tn ; – créer un vecteur tt qui varie entre 0 et tmax , mais avec une partition beaucoup plus fine que celle de t. En effet, la spline paramétrée sera évaluée entre les points d’interpolation et c’est ce qui assurera une courbe plus lisse. Typiquement, le vecteur tt variera également entre 0 et tmax et contiendra jusqu’à 10 fois plus de points que le vecteur t ; – calculer les 3 splines passant respectivement par les points (ti , xi1 ), (ti , xi2 ) et (ti , xi3 ). On évalue ces splines à tous les points du vecteur tt ;

240

Chapitre 5

0,8

x2

0,6 0,4 0,2 0 −0,2 −0,4 −0,6 −0,8 0

0,5

1

2

1,5

3

2,5

3,5

4

x1 Figure 5.10 – Points reliés par des segments de droite

4

x1

3 2 1 0 -1 0

1

2

3

4

5

6

7

8

9

10

9

10

t 1

x2 0,5 0 −0,5 -1

0

1

2

3

4

5

6

7

8

t

Figure 5.11 – Splines passant par les points (ti , xi1 ) et (ti , xi2 )

Interpolation

241

0,8

x2

0,6 0,4 0,2 0,0 −0,2 −0,4 −0,6 −0,8 −0,5

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

x1

Figure 5.12 – Spline paramétrée

– tracer la spline paramétrée passant par les points du vecteur tt. Pour illustrer ce processus, considérons (en dimension 2) les points (xi1 , xi2 ) suivants : xi1 4,00 2,25 1,00 0,25 0,00

Points de xi2 −0,666 667 +0,375 000 +0,666 667 +0,458 333 −0,458 333

la spline xi1 xi2 0,25 −0,458 333 1,00 −0,666 667 2,25 −0,375 000 4,00 +0,666 667

et qui sont illustrés à la figure 5.10. Les points ainsi reliés par des segments de droite, la courbe qui en résulte n’est pas très élégante et ne permettrait pas une conception harmonieuse. Le vecteur t résultant de l’équation 5.41 est de longueur 9 et prend les valeurs : t = [0 , 2,0366 , 3,3201 , 4,0985 , 4,6206 , 5,1427 , 5,9211 , 7,2047 , 9,2412] On a alors tmax = 9,2412. Le vecteur tt est tout simplement une partition de l’intervalle [0 , tmax ] par incréments d’environ 0,5. On calcule alors les 2 splines passant par les points (ti , xi1 ) et (ti , xi2 ) qui sont illustrées à la figure 5.11. On constate donc que chacune de ces splines est de la forme étudiée à la section 5.6.1. Si l’on trace, à la figure 5.12, la spline paramétrée, on constate une courbe très lisse (2 fois différentiable).

242

Chapitre 5

5.7

Krigeage

Le krigeage, dont l’origine remonte à Krige (réf. [25]) au début des années cinquante, s’est révélé une technique d’interpolation extrêmement puissante à la suite des travaux de Matheron (réf. [28]). Le krigeage généralise un certain nombre de méthodes d’interpolation que nous avons vues, mais son principal avantage est de s’étendre facilement aux cas bidimensionnels et tridimensionnels. Nous verrons en fait que faire du krigeage en 1, 2, 3 ou plus de 3 dimensions est tout aussi facile. Il est possible, par une approche simple, de mettre en évidence certaines propriétés du krigeage ou plus précisément du krigeage dual. Nous nous inspirerons à cet égard de l’article de Trochu (réf. [36]), qui contient de plus une excellente revue de la documentation ainsi que des applications en ingénierie. Le krigeage a été introduit principalement pour répondre aux besoins de la prospection minière. Il servait notamment à reconstituer la position d’un filon de minerai à partir de concentrations obtenues par forage. Il y a donc un aspect statistique inhérent à ce problème, mais nous ne l’abordons pas ici. Nous nous limitons à présenter le krigeage comme une technique d’interpolation. Nous abordons en premier lieu l’interpolation d’une courbe plane de forme y = f (x), un problème que nous connaissons bien. Soit les n points ((xi , f (xi ) pour i = 1, 2, 3, · · · , n). Considérons le système linéaire suivant :      K11 K12 K13 · · · K1n 1 x1 α1 f (x1 )  K21 K22 K23 · · · K2n 1 x2   α2   f (x2 )        K31 K32 K33 · · · K3n 1 x3   α3   f (x3 )   .     .. .. .. .. ..  .. ..  .  .    (5.42) . . . . . .   ..  =  .  .   K       n1 Kn2 Kn3 · · · Knn 1 xn   αn   f (xn )   1 1 ··· 1 1 0 0   a1   0  x1 x2 x3 · · · xn 0 0 a2 0 qui peut être représenté sous forme matricielle : ] [ ][ ] [ K A α ⃗ f⃗ = ⃗ ⃗a AT 0 0

(5.43)

Les matrices K et A ainsi que les vecteurs α ⃗ , f⃗ et ⃗a sont définis par la comparaison des relations 5.42 et 5.43. La matrice A dépend des coordonnées des points de collocation, tandis que les éléments de la matrice K sont donnés typiquement par une relation de la forme : Kij = g(|xi − xj |)

(5.44)

On obtient les coefficients Kij à partir d’une fonction g qui varie selon la distance entre les abscisses xi et xj . Le choix de la fonction g détermine les propriétés de la courbe de krigeage. Considérons maintenant la fonction : u(x) =

n ∑ j=1

αj g(|x − xj |) + a1 + a2 x

(5.45)

Interpolation

243

Si a1 , a2 et les αj sont solutions du système 5.42, la fonction u(x) passe par les n points d’interpolation donnés. En effet, la i-ième équation du système se lit : n ∑ αj Kij + a1 + a2 xi = f (xi ) j=1

qui s’écrit également : n ∑

αj g(|xi − xj |) + a1 + a2 xi = f (xi )

j=1

Cela signifie que : u(xi ) = f (xi ) Les deux dernières équations du système 5.42 sont tout simplement : n ∑

αj = 0 et

j=1

n ∑

αj xj = 0

(5.46)

j=1

qui traduisent des conditions de non-biais de la fonction u(x), faisant ici référence à l’aspect statistique du krigeage. On décompose la fonction u(x) en deux parties. On appelle dérive la partie : a1 + a2 x

(5.47)

qui peut également être un polynôme de degré k. Il faut alors modifier légèrement le système 5.42 en ajoutant les lignes et les colonnes contenant les différentes puissances des points xi . Le système prend la forme :      K11 · · · K1n 1 x1 (x1 )2 · · · (x1 )k f (x1 ) α1  K21 · · · K2n 1 x2 (x2 )2 · · · (x2 )k   α2   f (x2 )        K31 · · · K3n 1 x3 (x3 )2 · · · (x3 )k   α3   f (x3 )       .. .. .. .. ..   ..     .. .. .. .. . .   . . . . . .  .   .       Kn1 · · · Knn 1 xn (xn )2 · · · (xn )k   αn   f (xn )  =     1 ··· 1 0 0 0 ··· 0   a1   0       ··· xn 0 0 0 ··· 0   a2   0   x1   (x )2 · · · (x )2 0 0    0 ··· 0   a3   0    1 n  .   .   .. .. .. .. .. ..  .. .. .    ..    . . . . . . . . . ak+1 0 (x1 )k · · · (xn )k 0 0 0 ··· 0 (5.48) La fonction : n ∑ αj g(|x − xj |) (5.49) j=1

est appelée fluctuation aléatoire. La dérive peut s’interpréter comme une première approximation du comportement général de la fonction f (x) à interpoler. La fluctuation aléatoire est une correction de la dérive permettant à la courbe de passer par les points d’interpolation. À la figure 5.13, les points sont plus

244

Chapitre 5 5

u(x) 4

Dérive

3 2

Courbe

1 0 -1 -2 -1

0

1

2

3

4

5

x Figure 5.13 – Dérive et courbe de krigeage

ou moins disséminés autour d’une droite. Le choix d’une dérive linéaire paraît alors approprié. Dans d’autres circonstances, une dérive constante ou parabolique pourrait donner de meilleurs résultats. Les remarques suivantes sur la nature du système 5.42 joueront un rôle important plus loin.

Remarque 5.35 Le choix de la fonction g(h) n’est pas totalement arbitraire ; il est régi par des règles que nous ne précisons pas ici. De plus, si l’on remplace la fonction g par cg, où c est une constante, la matrice K est multipliée par la même constante. [ ]T Il est facile de voir que la solution du système 5.42 est alors α⃗c ⃗a . On en conclut que lorsqu’on multiplie la fonction g par une constante le vecteur solution α ⃗ est divisé par la même constante et le vecteur ⃗a reste inchangé. On constate en outre que la fonction u(x) de la formule 5.45 reste inchangée puisque la fonction g est multipliée par c et que les coefficients αj sont divisés par c. On en conclut que la courbe de krigeage 5.45 est inchangée lorsque la fonction g est multipliée par une constante. 

Remarque 5.36 Si l’on ajoute une constante c à chaque coefficient de la matrice K (ce qui revient à remplacer g(h) par g(h) + c), la solution du système 5.42 reste in-

Interpolation

245

changée. En effet, la i-ième équation du système devient : (Ki1 + c)α1 + (Ki2 + c)α2 + · · · + (Kin + c)αn + a1 + a2 xi = f (xi ) n ∑

Kij αj + c

j=1

n ∑

αj + a1 + a2 xi

= f (xi )

j=1 n ∑

Kij αj + a1 + a2 xi

= f (xi )

j=1

en vertu de l’équation 5.46.  Le choix de la fonction g n’est pas tout à fait arbitraire et certaines fonctions g sont plus intéressantes que d’autres. Commençons par le choix le plus simple : (5.50)

g(h) = h ce qui entraîne que : Kij = g(|xi − xj |) = |xi − xj | La fonction u(x) s’écrit dans ce cas : u(x) =

n ∑

αj |x − xj | + a1 + a2 x

j=1

La fonction |x − xj | est linéaire par morceaux et non dérivable au point xj . La dérive étant également linéaire, on en déduit que u(x) est une interpolation linéaire par morceaux puisque, par construction, u(x) passe par tous les points de collocation. On appelle également cette courbe une spline linéaire. Exemple 5.37 Soit les 5 points suivants : (0 , 0), (1 , 1), (2 , 1), (3 , 2) et (4 , 2). Si l’on utilise la fonction 5.50, le système linéaire 5.42 est de dimension (5 + 2) et s’écrit :         

0 1 2 3 4 1 0

1 0 1 2 3 1 1

2 1 0 1 2 1 2

3 2 1 0 1 1 3

4 3 2 1 0 1 4

1 1 1 1 1 0 0

0 1 2 3 4 0 0

        

α1 α2 α3 α4 α5 a1 a2





        =      

0 1 1 2 2 0 0

        

dont la solution, obtenue par décomposition LU , est le vecteur : [

1 4

− 12

1 2

− 12

1 4

0

1 2

]T

246

Chapitre 5 2,5

u(x) 2,0 1,5 1,0 0,5 0,0 -0,5 -1

0

1

2

3

4

5

x Figure 5.14 – Krigeage linéaire La fonction u(x) s’écrit alors : 1 1 1 1 1 1 u(x) = |x − 0| − |x − 1| + |x − 2| − |x − 3| + |x − 4| + 0 + x 4 2 2 2 4 2 et est illustrée à la figure 5.14. On remarque que cette fonction est bien linéaire par morceaux et passe par tous les points de collocation, d’où cet aspect en dents de scie. De plus, pour obtenir l’équation de cette spline linéaire à l’aide des techniques classiques, il faudrait définir la courbe pour chaque sousintervalle. Ici, on profite d’une seule expression valide dans tout le domaine.  Le deuxième cas intéressant correspond au choix : g(h) = h3

(5.51)

Les coefficients de la matrice K sont alors des fonctions du cube de la distance entre les abscisses d’interpolation, c’est-à-dire : Kij = g(|xi − xj |) = |xi − xj |3 et la fonction u(x) correspondante fait intervenir les fonctions : gj (x) = g(|x − xj |) = |x − xj |3 Chaque fonction gj (x) est deux fois différentiable au point xj . En effet : { −(x − xj )3 si x < xj gj (x) = +(x − xj )3 si x > xj Les limites à gauche et à droite en xj tendent vers 0, ce qui signifie que cette fonction est continue en xj . De même : { −3(x − xj )2 si x < xj gj′ (x) = +3(x − xj )2 si x > xj

Interpolation

247

et les limites à gauche et à droite tendent encore vers 0. La fonction gj (x) est donc dérivable une première fois. De plus : { { −6(x − xj ) si x < xj −6 si x < xj gj′′ (x) = et gj′′′ (x) = +6(x − xj ) si x > xj +6 si x > xj On constate donc que la dérivée seconde est également continue, mais pas la dérivée troisième puisque les limites à gauche et à droite valent respectivement −6 et 6. La fonction u(x) est donc deux fois différentiable et est de degré 3 partout, ce qui démontre qu’il s’agit d’une spline cubique. Cette spline est implicitement naturelle puisque : u′′ (x1 ) =

n ∑

αj gj′′ (x1 ) = −

j=1

= −6x1

n ∑

αj + 6

j=1

n ∑

αj 6(x1 − xj )

j=1 n ∑

αj xj = 0

j=1

en vertu des relations 5.46. On obtiendrait un résultat similaire avec u′′ (xn ). Exemple 5.38 Si l’on considère les mêmes points que g(h) = h3 , on obtient le système :  0 1 8 27 64 1  1 0 1 8 27 1   8 1 0 1 8 1   27 8 1 0 1 1  64 27 8 1 0 1   1 1 1 1 1 0 0 1 2 3 4 0

dans l’exemple précédent mais avec 0 1 2 3 4 0 0

        

α1 α2 α3 α4 α5 a1 a2





        =      

0 1 1 2 2 0 0

        

La fonction u(x) correspondante est illustrée à la figure 5.15 et correspond bien à une spline cubique. L’équation de cette spline est : u(x) = −0,178 75|x − 0|3 + 0,571 43|x − 1|3 − 0,785 71|x − 2|3 + 0,571 43|x − 3|3 − 0,178 57|x − 4|3 + 1,7143 + 0,5x On remarque que l’expression de la dérive n’est pas la même que dans le cas de g(h) = h. De plus, l’extrapolation de part et d’autre de l’intervalle [0 , 4] se fait de manière linéaire, ce qui correspond bien à une spline naturelle. Il est également intéressant de souligner qu’une seule équation exprime la courbe complète, contrairement au système d’équations par sous-intervalles décrit à la section 5.6 (voir la formule 5.27). 

248

Chapitre 5 2,5

u(x)

2,0 1,5 1,0 0,5 0,0 -0,5 -1,0 -1,5 -1

0

1

2

3

4

5

x Figure 5.15 – Krigeage cubique Remarque 5.39 Une autre différence importante marque cette nouvelle façon d’obtenir l’équation de la spline. À la section 5.6, un système linéaire tridiagonal était nécessaire au calcul de la spline. Si l’on recourt au krigeage, le système linéaire correspondant n’est plus tridiagonal. 

Exemple 5.40 On a vu que la matrice K est pleine, c’est-à-dire que la majeure partie des coefficients de cette matrice sont non nuls. Cela tient au fait que ces coefficients sont définis par Kij = g(|xi − xj |) et que les différents choix de fonction g(h) faits jusqu’à maintenant ne permettent d’annuler les éléments Kij que sur la diagonale. Il est intuitivement clair que l’interpolation d’une fonction en un point x dépend plus fortement des points de collocation situés dans le voisinage immédiat de x que des points plus éloignés. Pour tenir compte de cette observation, il est possible d’introduire une distance d’influence d au-delà de laquelle la fonction g(h) s’annule, ce qui permet de réduire l’influence des points de collocation situés à une distance supérieure à d. Par exemple (voir Trochu, réf. [36]), on peut obtenir une courbe similaire aux splines cubiques en définissant :  ( )3  h 1− si 0 ≤ h ≤ d g(h) = d  0 si h > d Cette définition assure la continuité de la fonction g. On pourrait également modifier légèrement cette fonction pour la rendre différentiable, sans changer les propriétés de la courbe. Si la distance d est très grande, on retrouvera une spline cubique comme précédemment. Par contre, si l’on réduit la valeur de d, la courbe aura tendance à osciller plus fortement. Cela se voit à la figure 5.16, où

Interpolation

249

l’on a utilisé les mêmes points de collocation que dans les exemples précédents, mais en introduisant une distance d’influence d = 3. Le résultat est encore plus probant avec d = 0,5, comme en témoigne encore la figure 5.16 où la distance d’influence est nettement perceptible. 

Remarque 5.41 Les systèmes linéaires de krigeage des exemples précédents sont quelque peu particuliers. En effet, la diagonale principale des matrices de krigeage est a priori nulle. Il faut donc se montrer prudent au moment de la résolution par décomposition LU . La recherche d’un pivot non nul peut devenir nécessaire. On peut également faciliter le traitement numérique du système en modifiant la fonction g(h), par exemple en lui ajoutant une constante, sans modifier la courbe de krigeage. 

5.7.1

Effet pépite

Lorsqu’on fait de l’interpolation à partir de mesures expérimentales, il est quelquefois utile d’avoir la possibilité d’éliminer une donnée qui paraît aberrante. Cette donnée peut provenir d’une erreur de mesure par exemple. Initialement, dans la prospection minière, on a qualifié la présence de ces données marginales d’effet pépite. Cette expression traduisait l’empressement de certains analystes miniers à conclure trop vite à une forte concentration d’or dans le voisinage immédiat d’une pépite d’or isolée. Une façon de contourner cette difficulté est de pondérer les mesures expérimentales en y attachant un poids variable suivant la fiabilité de la mesure. Plus précisément, on attache un poids d’autant plus grand que la variance statistique de l’erreur liée à cette mesure est petite. On voit encore ici poindre l’aspect statistique du krigeage. Sur le plan pratique, cela se fait en modifiant très légèrement la matrice K du système de krigeage 5.42. Il suffit en fait de modifier la diagonale de la matrice K et de considérer le système linéaire : 

    α1 f (x1 ) 1 x1  1 x2   α2   f (x2 )       .. .. ..     ..    . .  .  =  .        1 xn   αn   f (xn )     0 0   a1   0  0 0 a2 0 (5.52) que l’on peut représenter sous forme matricielle : K11 + w1 K12 K21 K22 + w2 .. .. . . Kn1 Kn2 1 1 x1 x2

[

··· K1n ··· K2n .. .. . . · · · Knn + wn 1 ··· ··· xn

K +D A AT 0

][

α ⃗ ⃗a

]

[ =

f⃗ ⃗0

] (5.53)

250

Chapitre 5

u(x)

2,5 2,0 1,5 1,0 0,5

a)

0,0 -0,5 -1,0 -1,5 -2,0 -2,5 -1

0

1

2

3

5

4

x

3,0

u(x) 2,5 2,0 1,5

b)

1,0 0,5 0,0 -0,5 -1

0

1

2

3

4

5

x Figure 5.16 – Krigeage cubique : distance d’influence a) d = 3 et b) d = 0,5

Interpolation

251

La matrice diagonale :     D=   

w1 0 0 .. . 0

0

0

···

0 .. . .. .

0 ··· .. . 0 0 .. .. . 0 . 0 · · · · · · 0 wn w2

       

exprime en quelque sorte le degré de fiabilité attaché à chaque mesure. Plus wi est grand, moins on tient compte de cette mesure dans le calcul de la fonction de krigeage. Sur le plan statistique, wi est proportionnel à la variance de l’erreur sur la i-ième mesure. Remarque 5.42 Pour mettre en évidence un effet pépite, il n’est nécessaire de modifier que la diagonale de la matrice K du système de krigeage. Le choix de g(h) et l’expression de u(x) restent inchangés.  On remarque immédiatement que si wi ̸= 0 : u(xi ) ̸= f (xi ) ce qui entraîne que la fonction de krigeage ne passe pas par le point (xi , f (xi )). En effet, l’équation correspondante du système 5.52 devient : Ki1 α1 + · · · + Ki i−1 αi−1 + (Kii + wi )αi + Ki i+1 αi+1 + · · · + Kin αn = f (xi ) qui s’écrit aussi : (Ki1 α1 + · · · + Ki i−1 αi−1 + Kii αi + Ki i+1 αi+1 + · · · + Kin αn ) + wi αi = f (xi ) ou encore : u(xi ) + wi αi = f (xi ) Plus wi est grand, plus l’écart entre u(xi ) et f (xi ) risque d’être grand. Exemple 5.43 Reprenons les 5 points de l’exemple précédent avec g(h) = h3 , mais en introduisant cette fois un effet pépite au troisième point (w3 = 1, wi = 0 ∀i ̸= 3). On obtient la spline cubique de la figure 5.17. On remarque que la spline ne passe plus par le troisième point.  On peut se demander ce qui arrive lorsque l’effet pépite devient très important. Pour répondre à cette question, il est nécessaire de remplacer la matrice D par βD et de faire tendre β vers l’infini. De cette manière, l’importance relative des wi est la même quelle que soit la valeur de β. Le système 5.53 s’écrit : (K + βD)⃗ α + A⃗a = f⃗ AT α ⃗

= ⃗0

252

Chapitre 5 2,5

u(x) 2,0 1,5 1,0 0,5 0,0 -0,5 -1,0 -1

0

1

2

3

4

5

x Figure 5.17 – Krigeage cubique : effet pépite qui, lorsque l’on isole α ⃗ dans la première équation et que l’on remplace cette variable dans la deuxième équation, devient : AT (K + βD)−1 (f⃗ − A⃗a) = 0 ou encore :

AT (K + βD)−1 A⃗a = AT (K + βD)−1 f⃗

(5.54)

Théorème 5.44 Lorsque β → ∞, le système 5.54 tend vers le système : AT D−1 A⃗a = AT D−1 f⃗

(5.55)

qui correspond à un problème de moindres carrés pondérés. En particulier, si la matrice D est la matrice identité (ce qui correspond à une pondération égale pour tous les points), on trouve : AT A⃗a = AT f⃗

(5.56)

de telle sorte que la dérive a1 + a2 x n’est rien d’autre que la droite de moindres carrés (voir Burden et Faires, réf. [5]). Démonstration (facultative) : On considère en premier lieu la matrice (K + βD), qui devient : ( ) 1 −1 (K + βD) = βD I + D K β Si β est suffisamment grand : 1 −1 D K < 1 β ∞

Interpolation

253

ce qui entraîne que le rayon spectral de cette matrice est inférieur à 1 et que la matrice est convergente. On a alors en vertu de la relation 4.22 : ( I+

1 −1 D K β

)−1

( =I−

1 −1 D K β

)

( +

1 −1 D K β

)2

( −

1 −1 D K β

)3 + ···

ou plus précisément : (K + βD)−1 = (I + β1 D−1 K)−1 β1 D−1 = β1 (I + β1 D−1 K)−1 D−1 ] [ = β1 I − β1 D−1 K + ( β1 D−1 K)2 − ( β1 D−1 K)3 + · · · D−1 ] [ = β1 D−1 − β1 D−1 KD−1 + ( β1 D−1 K)2 D−1 + · · · Le système de krigeage 5.54 devient alors : ] [ 1 T −1 − 1 D −1 KD −1 + ( 1 D −1 K)2 D −1 + · · · A⃗ A a D β β β ] [ = β1 AT D−1 − β1 D−1 KD−1 + ( β1 D−1 K)2 D−1 + · · · f⃗ où l’on peut simplifier un coefficient l’infini, on trouve immédiatement :

1 β

de chaque côté. En faisant tendre β vers

AT D−1 A⃗a = AT D−1 f⃗ qui est le résultat recherché. En pratique, il n’est pas nécessaire de faire tendre β vers l’infini. Il suffit en effet de prendre des poids wi très grands. ⋆

Exemple 5.45 En reprenant les points de l’exemple précédent, mais avec wi = 105 ∀i, on trouve la droite de la figure 5.18. Il s’agit bien de la droite de moindres carrés. 

5.7.2

Courbes paramétrées

Il est parfois utile de construire des courbes paramétrées. Cela permet, par exemple, de construire des courbes fermées (comme un cercle ou une ellipse) ou plus généralement des courbes qui sont en intersection avec elles-mêmes (telle une boucle). On peut ainsi, à l’aide de quelques points donnés dans l’espace, construire des trajectoires complexes. La paramétrisation d’une courbe de l’espace s’obtient par une équation de la forme : ⃗γ (t) = (γ1 (t), γ2 (t), γ3 (t)),

t ∈ [a , b]

On décrit la courbe en faisant varier le paramètre t entre a et b. La stratégie de krigeage reste sensiblement la même dans ce cas. En effet, pour construire

254

Chapitre 5 3,0

u(x) 2,5 2,0 1,5 1,0 0,5 0,0 -0,5 -1

0

1

2

3

4

5

x Figure 5.18 – Krigeage cubique : effet pépite avec wi = 105

une courbe paramétrée passant par les points ((xi1 , xi2 , xi3 ) pour i = 1, 2, · · · , n), il faut d’abord construire la suite ti des valeurs du paramètre t de telle sorte que : ⃗γ (ti ) = (xi1 , xi2 , xi3 ) Le choix le plus simple est de procéder comme nous l’avons fait pour les splines paramétrées et d’utiliser ici encore la relation 5.41. Il suffit ensuite de résoudre les systèmes linéaires suivants :          

         

K11 K12 K13 K21 K22 K23 K31 K32 K33 .. .. .. . . . Kn1 Kn2 Kn3 1 1 1 t1 t2 t3

··· ··· ··· .. . ··· ··· ···

K1n K2n K3n .. . Knn 1 tn

1 1 1 .. . 1 0 0

t1 t2 t3 .. . tn 0 0

K11 K12 K13 K21 K22 K23 K31 K32 K33 .. .. .. . . . Kn1 Kn2 Kn3 1 1 1 t1 t2 t3

··· ··· ··· .. . ··· ··· ···

K1n K2n K3n .. . Knn 1 tn

1 1 1 .. . 1 0 0

t1 t2 t3 .. . tn 0 0



α11 α21 α31 .. .





             =      α1    n     a1   1 a12



α12 α22 α32 .. .





             =      α2    n     a2   1 a22

x11 x21 x31 .. . xn1 0 0

x12 x22 x32 .. . xn2 0 0

         

(5.57)

         

(5.58)

Interpolation          

K11 K12 K13 K21 K22 K23 K31 K32 K33 .. .. .. . . . Kn1 Kn2 Kn3 1 1 1 t1 t2 t3

··· ··· ··· .. . ··· ··· ···

K1n K2n K3n .. . Knn 1 tn

1 1 1 .. . 1 0 0

t1 t2 t3 .. . tn 0 0



α13 α23 α33 .. .





             =      α3    n     a3   1 a32

x13 x23 x33 .. . xn3 0 0

255

         

La courbe paramétrée est alors donnée par : n ∑ γ1 (t) = αj1 g(|t − tj |) + a11 + a12 t

(5.59)

(5.60)

j=1

γ2 (t) =

γ3 (t) =

n ∑ j=1 n ∑

αj2 g(|t − tj |) + a21 + a22 t

(5.61)

αj3 g(|t − tj |) + a31 + a32 t

(5.62)

j=1

Ici encore, on vérifie facilement que : γ1 (ti ) = xi1 , γ2 (ti ) = xi2 et γ3 (ti ) = xi3 pour 1 ≤ i ≤ n Remarque 5.46 Les 3 systèmes linéaires requis pour le krigeage paramétré possèdent tous la même matrice. Seul le membre de droite change. Il est alors important de n’effectuer qu’une seule décomposition LU , suivie de 3 remontées et descentes triangulaires. Cela fait considérablement diminuer le temps de calcul. 

Exemple 5.47 On donne les 12 points suivants de l’espace à 3 dimensions. Points d’une courbe xi1 xi2 xi3 xi1 0,0 0,0 0,0 1,0 1,0 0,0 1,0 0,0 1,0 1,0 2,0 0,0 0,0 1,0 3,0 1,0 0,0 0,0 4,0 1,0 1,0 0,0 5,0 0,0

dans l’espace xi2 xi3 1,0 6,0 1,0 7,0 0,0 8,0 0,0 9,0 1,0 10,0 1,0 11,0

On veut construire la courbe paramétrée passant par ces 12 points. Le choix de la fonction g(h) est, comme toujours, primordial. En choisissant d’abord une interpolation linéaire (g(h) = h), on obtient la courbe paramétrée de la figure 5.19a), qui est peu satisfaisante sur le plan esthétique. En revanche, avec g(h) = h3 , on obtient la spirale de la figure 5.19b), qui est une spline paramétrée. 

256

Chapitre 5

10

a)

5

x3

0 1 0

x2 x1

1

0

10

b) x3

5 0 1 0

x1

1

0

x2

Figure 5.19 – Krigeage paramétré : a) g(h) = h, b) g(h) = h3

5.7.3

Cas multidimensionnel

Le krigeage dual s’étend facilement en plusieurs dimensions. Soit les n points d’interpolation : (xi1 , xi2 , xi3 , f (xi1 , xi2 , xi3 )) pour i = 1, 2, 3, · · · , n Le système de krigeage dual devient dans ce cas :            

K11 K12 K21 K22 .. .. . . Kn1 Kn2 1 1 x11 x21 x12 x22 1 x3 x23

· · · K1n · · · K2n .. .. . . · · · Knn ··· 1 · · · xn1 · · · xn2 · · · xn3

    1 x11 x12 x13 α1 f (x11 , x12 , x13 ) 1 x21 x22 x23   α2   f (x21 , x22 , x23 )      .. .. .. ..  ..   ..     . . . .  .   .      1 xn1 xn2 xn3   αn  =  f (xn1 , xn2 , xn3 )      0 0 0 0  0   a1         0 0 0 0   a2   0       a3 0 0 0 0 0 a4 0 0 0 0 0 (5.63)

Interpolation

257

et la fonction de krigeage devient : u(⃗x) =

n ∑

αj g(||⃗x − ⃗xj ||2 ) + a1 + a2 x1 + a3 x2 + a4 x3

(5.64)

j=1

valable en tout point ⃗x = (x1 , x2 , x3 ). Dans l’expression 5.64, on a remplacé la valeur absolue par la norme euclidienne. En fait, on peut utiliser toute autre norme vectorielle. Il est encore une fois facile de démontrer que : u(xi1 , xi2 , xi3 ) = f (xi1 , xi2 , xi3 ) pour i = 1, 2, · · · , n Remarque 5.48 Le système 5.63 permet le calcul d’une fonction u(x1 , x2 , x3 ) de R3 dans R. On peut également construire des fonctions de R2 dans R en retirant une dimension du système et en résolvant :      K11 K12 · · · K1n 1 x11 x12 f (x11 , x12 ) α1  K21 K22 · · · K2n 1 x21 x22   α2   f (x21 , x22 )        K31 K32 · · · K3n 1 x31 x32   α3   f (x31 , x32 )   .      .. .. ..   ..   .. .. .. ..  .  . . . . .  . .  . =  . (5.65)  K       n1 Kn2 · · · Knn 1 xn1 xn2   αn   f (xn1 , xn2 )   1     1 0  1 ··· 0 0 0    a1     x1      2 n a x · · · x 0 0 0 0 2 1 1 1 1 2 n a3 0 x2 x2 · · · x2 0 0 0 La fonction u(x1 , x2 ) est alors définie par : u(⃗x) =

n ∑

αj g(||⃗x − ⃗xj ||2 ) + a1 + a2 x1 + a3 x2

(5.66)

j=1

Cela montre bien que le krigeage demeure aussi simple en 1 dimension qu’en 2 ou 3 dimensions.  Remarque 5.49 On peut utiliser l’équation 5.66 pour obtenir des lignes de contour d’une fonction f (x1 , x2 ), notamment en topographie. On peut consulter à ce sujet le texte de Trochu (réf. [36]).  Il reste le choix de la fonction g(h) = g(||⃗x − ⃗xj ||2 ). En dimension 1, on a établi que le choix g(h) = h3 conduisait aux splines cubiques (pour une dérive linéaire). On pourrait également montrer que l’équivalent des splines cubiques est obtenu en posant g(h) = h en dimension 3 et g(h) = h2 ln h en dimension 2.

258

Chapitre 5 u(x1 , x2 ) 2,0 1,0 0,0

1,0 0

0,5

0,5 1,0

x1

1,5

2,0

0

x2

Figure 5.20 – Krigeage bidimensionnel : g(h) = h2 ln h

Exemple 5.50 Soit les 9 points : xi1 0,0 0,0 1,0 0,0 1,0

Points sur une surface f (xi1 , xi2 ) xi1 xi2 f (xi1 , xi2 ) 0,0 0,0 2,0 0,0 0,25 0,5 1,0 1,0 1,0 1,0 0,0 1,0 2,0 0,5 1,0 1,0 1,5 2,0 1,0 0,0 0,5 2,0 xi2

qui définissent une surface et qui nécessitent un krigeage bidimensionnel. Le système linéaire 5.65 est, dans ce cas, de dimension 12 et les coefficients de la matrice K sont donnés par : Kij = g(||⃗xi − ⃗xj ||2 ) = ||⃗xi − ⃗xj ||22 ln(||⃗xi − ⃗xj ||2 ) La fonction de krigeage u(x1 , x2 ) prend la forme de la surface de la figure 5.20. Cette surface correspond à l’approximation dite de coque mince et est l’équivalent bidimensionnel d’une spline cubique.  Cette section n’est qu’une courte introduction au krigeage. La théorie sousjacente est vaste et beaucoup de travaux d’applications du krigeage sont actuellement en cours. L’article de Duchon (réf. [13]) traite plus en profondeur de la relation entre le krigeage et les splines cubiques. En ce qui concerne l’aspect statistique, l’article de Matheron (réf. [28]) sur les fonctions aléatoires intrinsèques est certes l’un des plus importants sur le sujet.

5.8

Transformée de Fourier discrète

Jusqu’à maintenant, nous nous sommes concentrés sur les techniques d’interpolation par des polynômes classiques. L’interpolation de Newton et les

Interpolation

259

splines cubiques en sont des exemples. Il existe cependant des situations où les polynômes classiques ne sont pas les plus pertinents. C’est le cas par exemple lorsque l’on cherche à approcher des fonctions périodiques. Il paraît alors avantageux d’utiliser des polynômes qui sont eux-mêmes périodiques. C’est ici que les polynômes trigonométriques interviennent. Pour fixer les idées, nous supposons que nous avons une fonction périodique g(t) (de période 2π) pour t dans l’intervalle [0 , 2π]. Si ce n’est pas le cas et que la fonction étudiée est f (x) définie dans l’intervalle [a , b], le changement de variable : (x − a) (b − a) t = 2π ou encore x = t+a (b − a) 2π nous ramène dans l’intervalle souhaité et l’on analyse alors la fonction : ( ) (b − a) g(t) = f t+a 2π Les fonctions f (x) et g(t) prennent alors exactement les mêmes valeurs, l’une dans l’intervalle [a , b] et l’autre dans l’intervalle [0 , 2π]. Définition 5.51 Un polynôme trigonométrique de degré n est une expression de la forme : a0 + an cos nt ∑ + (aj cos jt + bj sin jt) 2 n−1

Tn (t) =

(5.67)

j=1

où les coefficients a0 , an , aj et bj , j = 1, 2, · · · , n − 1 sont des nombres réels. Remarquons qu’il y a 2n coefficients à déterminer. 1 Il nous faudra donc 2n points d’interpolation (ou points d’échantillonnage) pour déterminer les coefficients d’un polynôme trigonométrique. On divise donc l’intervalle [0, 2π] en 2n π intervalles de longueur h = 2π 2n = n . Il en résulte normalement 2n + 1 points d’échantillonnage mais puisque g(t) est périodique, g(2π) = g(0) et l’abscisse t = 2π qui correspondrait à t2n n’est pas incluse. On a donc les points : kπ (5.68) = hk k = 0, 1, 2, · · · , 2n − 1 n Une première méthode pour déterminer les coefficients du polynôme trigonométrique 5.67 consiste à résoudre le système linéaire : tk =

Tn (tk ) = g(tk ) k = 0, 1, 2, · · · 2n − 1

(5.69)

dont les inconnues sont les coefficients du polynôme. Illustrons cette approche par un exemple.

1. Lorsque n tend vers l’infini, on a une série dite de Fourier. Jean-Baptiste Joseph Fourier (1768-1830) a utilisé les séries qui portent son nom pour étudier l’équation de la chaleur.

260

Chapitre 5

Exemple 5.52 Considérons la fonction périodique, de période 1, définie dans l’intervalle [0 , 1] par f (x) = x(1 − x). Puisque la fonction est définie dans l’intervalle [0 , 1], on t t t et on obtient la fonction g(t) = ( 2π )(1 − 2π ) qui est définie sur pose x = 2π [0, 2π]. Nous prendrons 4 points d’échantillonnage soit les points [0 , π2 , π , 3π 2 ] et un polynôme trigonométrique de degré 2 (n = 2). Notons encore ici que l’abscisse t = 2π n’est pas utilisée explicitement, mais quand même prise en compte puisque nous avons supposé la fonction g(t) périodique (g(2π) = g(0)). Le système d’équations à résoudre est donc : g(0) (π ) g 2

= =

g (π) = ( ) 3π = g 2

0

=

3 16 1 4 3 16

= = =

a0 2 a0 2 a0 2 a0 2

+ + +

ou sous forme matricielle :  1 1     

2 1 2 1 2 1 2

2 − 12 1 2 − 12

5 dont la solution est [ 16 − pondant est donc :

T2 (t) =

a2 2 a2 2 a2 2 a2 2

+

1 16

1

cos(0) cos(π)

cos(2π) +a1 cos(π) + b1 sin(π) ( ) ( ) 3π 3π cos(3π) +a1 cos + b1 sin 2 2

0



a0





   1   a2    =    0   a1  

0 −1

0 −1 −

+a1 cos(0) + b1 sin(0) (π ) (π ) +a1 cos + b1 sin 2 2

1 8

b1

0 3 16 1 4 3 16

     

0]T . Le polynôme trigonométrique corres-

5 − cos(2t) 1 − cos(t) + 0 sin(t) 32 8

qui est reproduit à la figure 5.21 de même que la fonction g(t) (en trait plein). Pour améliorer la précision de l’approximation, il suffit d’augmenter le nombre de points d’échantillonnage et le degré du polynôme trigonométrique. Cela a pour effet d’augmenter également la taille du système linéaire à résoudre.  Malheureusement, la résolution du système linéaire 5.69 n’est pas la méthode la plus efficace puisque le nombre de points d’échantillonnage peut être très grand. En fait, cette méthode est l’analogue, pour les polynômes trigonométriques, de la méthode de Vandermonde pour l’interpolation classique. Nous allons maintenant proposer une autre façon de faire qui est plus rapide. Cette nouvelle approche nécessite l’emploi des nombres et fonctions complexes et plus particulièrement de l’exponentielle complexe : eilt = cos(lt) + i sin(lt)

Interpolation

261

0,3

g(t) 0,25

0,2

0,15

0,1

0,05

0 -4

-3

-2

-1

0

1

2

3

4

t Figure 5.21 – Fonctions g(t) et T2 (t) (en pointillé) √ où l est un entier et i le nombre imaginaire i = −1. Pour deux fonctions (éventuellement) complexes définies aux points d’échantillonnage tj (voir 5.68), on définit le produit scalaire suivant : (f, g)d =

2n−1 ∑

f (tk )¯ g (tk )

k=0

On remarquera le conjugué complexe apparaissant sur la deuxième fonction. Lemme 5.53 Les fonctions eilt sont orthogonales au sens du produit scalaire précédent en ce sens que si m et l sont deux entiers compris entre −n et n :  2n−1  0 si m ̸= l ∑ 2n si m = l (eimt , eilt )d = eimtk e−iltk =  2n si m = n et l = −n qui est une exception k=0 (5.70) Démonstration : Il suffit de développer en supposant d’abord que m ̸= l : 2n−1 ∑ k=0

imtk −iltk

e

e

=

2n−1 ∑ k=0

imkπ/n −ilkπ/n

e

e

=

2n−1 ∑

iπ(m−l)k/n

e

k=0

=

2n−1 ∑

(eiπ(m−l)/n )k

k=0

qui n’est rien d’autre qu’une progression géométrique de raison eiπ(m−l)/n . La somme vaut donc : 1 − (e2iπ(m−l) ) 1 − (eiπ(m−l)/n )2n = 1 − (eiπ(m−l)/n ) 1 − (eiπ(m−l)/n )

262

Chapitre 5

et le résultat suit car e2πi(m−l) = 1. Cependant, si m = l, on a : ilt

ilt

(e , e )d =

2n−1 ∑

iltk −iltk

e

e

=

k=0

2n−1 ∑

1 = 2n

k=0

Enfin, dans le cas où m = n et l = −n, on a : int

(e

−int

,e

)d =

2n−1 ∑

inkπ/n inkπ/n

e

e

k=0

=

2n−1 ∑

2ikπ

e

k=0

=

2n−1 ∑

1 = 2n

k=0

♣ L’utilisation des exponentielles complexes nous amène à utiliser une autre forme (équivalente) pour les polynômes trigonométriques : ( Tn (t) = αn

eint + e−int 2

= α0 + αn cos nt + = α0 + αn cos nt +

)

n−1 ∑

+

αj eijt

j=1−n n−1 ∑

αj eijt + α−j e−ijt

j=1 n−1 ∑

(αj + α−j ) cos jt + i(αj − α−j ) sin jt

j=1

En comparant terme à terme cette expression et 5.67, on voit que l’on peut passer d’une forme à l’autre par les relations : α0 =

an a0 , αn = , aj = (αj + α−j ) et bj = i(αj − α−j ) 2 2

(5.71)

Théorème 5.54 Le polynôme trigonométrique interpolant les valeurs d’une fonction périodique g(t) aux points d’échantillonnage tk , k = 0, 1, · · · , 2n − 1 s’écrit : ( Tn (t) = α0 + αn

eint + e−int 2

) +

n−1 ∑

αj eijt + α−j e−ijt

(5.72)

j=1

et les coefficients sont donnés par les formules : αj

=

2n−1 2n−1 1 1 ∑ 1 ∑ (g, eijt )d = g(tk )e−ijtk = g(tk )w−jk j = 0, 1, · · · , n 2n 2n 2n k=0

α−j

=

k=0

2n−1 2n−1 1 1 ∑ 1 ∑ ijtk −ijt g(tk )e = g(tk )wjk j = 1, 2, · · · , n − 1 (g, e )d = 2n 2n 2n k=0 k=0 (5.73)

Interpolation

263

où l’on a posé w = eiπ/n . Le polynôme 5.72 est la transformée de Fourier discrète de g(t). Démonstration : On doit imposer Tn (tk ) = g(tk ), k = 0, 1, · · · , 2n − 1 ou encore : ( α0 + αn

eintk + e−intk 2

) +

n−1 ∑

αj eijtk + α−j e−ijtk = g(tk )

j=1

Il suffit alors de multiplier par e−iltk et de sommer sur k. On trouve :

α0 (1, eilt )d +

) n−1 ∑ αn ( int ilt (e , e )d + (e−int , eilt )d + αj (eijt , eilt )d + α−j (e−ijt , eilt )d 2 j=1

= (g(t), eilt )d L’orthogonalité par rapport au produit scalaire annule tous les termes sauf le lième et on trouve : αl (eilt , eilt )d = (g, eilt )d ou encore : 2n−1 1 1 ∑ ilt g(tk )e−iltk αl = (g, e )d = 2n 2n k=0

Les autres coefficients s’obtiennent de manière similaire. ⋆

Remarque 5.55 Une fois les coefficients αj et α−j calculés, on peut revenir à la forme 5.67 en utilisant les relations 5.71. 

Exemple 5.56 Reprenons l’exemple précédent, mais en utilisant cette fois les relations 5.73. Rappelons que les points d’échantillonnage sont [0 , π2 , π , 3π 2 ] et que la 3 1 3 fonction g(t) y prend les valeurs [0 , 16 , 4 , 16 ]. Rappelons de plus que n = 2 dans cet exemple. On a ainsi :

264

Chapitre 5 1∑ g(tk ) 4

=

1∑ g(tk )e−2itk 4

1 = − 32

1∑ g(tk )e−itk 4

1 = − 16

1∑ g(tk )eitk 4

1 = − 16

3

α0

= (g, 1)d

=

5 32

k=0 3

α2

= (g, e2it )d

=

k=0 3

α1

= (g, eit )d

=

k=0 3

α−1 =

(g, e−it )

d

=

k=0

5 1 On revient (si nécessaire) aux valeurs de a0 = 2α0 = 16 , a2 = 2α2 = − 16 , 1 a1 = α1 + α−1 = − 8 et enfin b1 = i(α1 − α−1 ) = 0. On retrouve donc le polynôme trigonométrique :

T2 (t) =

5 − cos(2t) 1 − cos(t) 32 8

résultat que nous avons déjà obtenu. Notons que par cette approche il n’y a pas de système linéaire à résoudre. 

Transformée de Fourier rapide Dans le cas où le nombre de points d’échantillonnage est grand, l’évaluation des expressions 5.73 peut quand même poser des problèmes d’efficacité. L’algorithme de Cooley et Tukey [10], mieux connu sous le nom de transformée de Fourier rapide («Fast Fourier Transform» ou encore «FFT» en anglais) permet d’effectuer tous les calculs de manière extrêmement rapide, en particulier lorsque le nombre de points d’échantillonnage est une puissance de 2, c’est-àdire 2n = 2p . Cela permet d’optimiser considérablement tous les calculs. Cet algorithme est sans doute l’un des plus révolutionnaires du vingtième siècle. La transformée de Fourier rapide permet une utilisation intensive et à très grande échelle de la transformée de Fourier, sans que le temps de calcul ne devienne prohibitif. Pour décrire cet algorithme, on introduit dans un premier temps de nouveaux coefficients complexes dénotés cl et définis par la somme : cl =

2n−1 ∑ k=0

g(tk )e

ilkπ n

=

2n−1 ∑

g(tk )wlk

(5.74)

k=0 iπ

pour l = 0, 1, 2, · · · , 2n − 1 et où l’on a encore posé w = e n . L’évaluation de chaque coefficient cl nécessite 2n multiplications, pour un total de 4n2 multiplications complexes, tout comme pour les coefficients αl . On note de plus que

Interpolation

265

c0 = 2nα0 mais aussi que : cl =

2n−1 ∑

g(tk )wlk = 2nα−l pour l = 1, 2, · · · n − 1

(5.75)

k=0

Enfin, pour l = 0, 1, · · · n − 1, on a : 2n−1 ∑

cn+l =

g(tk )w(n+l)k =

2n−1 ∑

k=0

k=0

2n−1 ∑

=

g(tk )w(2n−(n−l))k (5.76)

g(tk )w2nk w−(n−l)k

k=0

= 2nαn−l car w2nk = e2πik = 1. Le calcul des coefficients cl nous donnent donc, à un facteur 2n près, les coefficients de Fourier αl recherchés. Au facteur 2n près, le vecteur ⃗c contient donc α0 , le vecteur des α−j (α−1 , α−2 , · · · , α1−n ) et ensuite le vecteur des αj mais à rebours (αn , αn−1 , · · · , α1 ). Il reste alors à évaluer les cl de la manière la plus efficace possible et on constate en premier lieu que pour l = 0, 1, · · · , n − 1 : cl + cn+l =

2n−1 ∑

g(tk )e

ilkπ n

+

2n−1 ∑

g(tk )e

i(l+n)kπ n

=

k=0

k=0

2n−1 ∑

g(tk )e

ilkπ n

(1 + eikπ )

k=0

Or, (1 + eikπ ) = 2 si k est pair et s’annule si k est impair. Il ne reste donc dans la dernière sommation que les termes de rang pair. On a ainsi diminué de moitié le nombre de points d’échantillonnage. On a maintenant : 2n−2 ∑

cl + cn+l = 2

k

g(tk )e

ilkπ n

=2

pair

n−1 ∑

g(t2k )e

2ilkπ n

(5.77)

k=0

Par un raisonnement semblable, on trouve : cl − cn+l = 2e

ilπ n

n−1 ∑

g(t2k+1 )e

2ilkπ n

= 2wl

k=0

n−1 ∑

g(t2k+1 )e

2ilkπ n

(5.78)

k=0

Les 2 dernières équations permettent de récupérer séparément les coefficients cl et cn+l : cl

=

n−1 ∑

g(t2k )e

2ilkπ n

+w

l

k=0

n−1 ∑

g(t2k+1 )e

2ilkπ n

k=0

(5.79) cn+l =

n−1 ∑ k=0

g(t2k )e

2ilkπ n

− wl

n−1 ∑ k=0

g(t2k+1 )e

2ilkπ n

266

Chapitre 5

Ces équations nous ramènent à un calcul des coefficients de Fourier sur les points d’échantillonnage pairs et impairs respectivement. On remarque de plus que le nombre d’opérations nécessaires est réduit à 2n2 + n multiplications complexes, ce qui est nettement inférieur aux 4n2 de la relation 5.74. La beauté de l’algorithme réside dans le fait que le raisonnement est récursif et que l’on peut le réemployer de nouveau pour évaluer l’une ou l’autre des expressions : n−1 ∑

g(t2k )e

2ilkπ n

n−1 ∑

et

k=0

g(t2k+1 )e

2ilkπ n

k=0

Dans les 2 cas, on doit calculer une expression de la forme : n−1 ∑

g(uk )e

2ilkπ n

=

k=0

n−1 ∑

g(uk )w1lk k = 0, 1, 2, · · · , n − 1

(5.80)

k=0 2iπ

où l’on a posé w1 = e n et uk = t2k (ou encore uk = t2k+1 ). Si n est pair, on peut encore diviser le nombre d’échantillons en parties paires et impaires. Par contre, si n est impair, on évalue directement l’expression 5.80 par le produit matriciel :    g(u0 ) 1 1 1 ··· 1  1 w1 w12 · · · w1n−1   g(u1 )     2(n−1)  2 4  1   w w · · · w 1 1 1 (5.81)    g(u2 )   ..    .. .. . .. .. ..  .   . . . . (n−1)

1 w1

2(n−1)

w1

(n−1)2

· · · w1

g(un−1 )

Cette dernière matrice est dite de Fourier. On peut donc définir une fonction récursive qui effectue les étapes précédentes jusqu’à ce que la taille de l’échantillon ne soit plus divisible par 2. À ce moment, on utilise la matrice de Fourier, mais pour une valeur de n généralement petite. L’algorithme général est présenté à la figure 5.22. On peut montrer que, si le nombre de points d’échantillonnage 2n est de la forme 2n = 2p q où p est un entier strictement positif et q est impair, alors le nombre d’opérations passe de 4n2 à p2p q 2 . Plus il y a de facteurs 2 dans n, plus le gain est important. En particulier, si 2n = 2p , le nombre d’opérations est de l’ordre de p2p . Par exemple, si 2n = 210 , le nombre d’opérations passe de 4(220 ) = 4 194 304 à 10 × 210 = 10 240. Exemple 5.57 Si l’on reprend une dernière fois notre exemple avec la fonction définie dans l’intervalle [0 , 1] par f (x) = x(1−x). On applique l’algorithme de la figure 5.22 dont voici les grandes lignes lorsque 2n = 4. 1. On part du signal : [0 ,

3 16

,

1 4

,

3 16 ]

2. On divise en parties paire et impaire : 3 [0 , 14 ] et [ 16 ,

3 16 ] ;

Interpolation

function c = TFR(g) g = g( :) ; Longueur_de_g = length(g) ; if(rem(Longueur_de_g,2) ==0 % Si le nombre de points d’échantillonnage est divisible par 2 Deux_n = Longueur_de_g ; n = Deux_n / 2 ; % On définit w w = exp(i*pi/n) ; % Les vecteurs de Matlab sont numérotés de 1 à 2n % tandis que dans notre notation, ils le sont de 0 à 2n − 1. % On extrait donc les parties paires et impaires en posant : g_pair = g(1 :2 :Deux_n-1) ; g_impair = g(2 :2 :Deux_n) ; % Transformée de Fourier des parties paire et impaire (5.77 et 5.78) u = TFR(g_pair) ; l = (0 : n - 1)’ ; v = (w.∧ l) .* TFR(g_impair) ; % On récupère le vecteur c par la relation 5.79 c = [u + v ; u - v] ; else % Si le nombre de points d’échantillonnage n’est pas divisible par 2 n = Longueur_de_g ; % On définit w1 w_1 = exp(2*i*pi/n) ; l = 0 :n-1 ; k = l’ ; % On construit la matrice de Fourier % et on fait le produit 5.81 F = w_1 .∧ (k * l) ; c = F * g; end

Figure 5.22 – Transformée de Fourier rapide

267

268

Chapitre 5

3. que l’on redivise encore : 3 3 [0] [ 14 ] [ 16 ] [ 16 ]

À cette étape, n = 1 n’est plus divisible par deux et, pour chacun de ces vecteurs, on doit doit utiliser le produit matriciel 5.81 mais la matrice de Fourier se réduit à [1], ce qui ne change rien. 4. On multiplie les vecteurs impairs par wl , l = 0, où w = eiπ ce qui ici ne change rien : 3 3 [0] [w0 41 ] [ 16 ] [w0 16 ] 5. On effectue l’opération 5.79 : 3 3 3 3 [0 + 14 , 0 − 14 ] [ 16 + 16 , 16 − 16 ] c.-à-d. [ 14 , − 41 ] [ 38 , 0] 6. On multiplie les vecteurs impairs par wl , l = 0, 1 avec w = eiπ/2 : [ 14 , − 14 ]

[ 83 w0 , 0w1 ]

c.-à-d. [ 14 , − 41 ] [ 38 , 0] 7. On effectue ensuite l’opération 5.79 : [ 41 +

3 8

, −

1 4

+0,

1 4



3 8

, −

1 4

− 0] =

c.-à-d. [ 58 , − 14 , − 18 , − 14 ] = 4[α0 , α−1 , α2 , α1 ] 8. On récupère les vecteurs des αj et α−j par les relations 5.75 et 5.76 : α0 =

5 32 , α−1

1 1 1 = − 16 , α1 = − 16 , α2 = − 32

5 1 9. Enfin, on utilise 5.71 : a0 = 2α0 = 16 , a2 = 2α2 = − 16 , a1 = α1 + α−1 = 1 − 8 et b1 = i(α1 − α−1 ) = 0 On retrouve donc encore le même résultat. La figure 5.23 présente les résultats pour 2n = 4, que nous venons de calculer, mais aussi pour 2n = 10 et 2n = 210 . 

Exemple 5.58 Si on prend le signal suivant (2n = 8) : [ ] 7 12 15 16 15 12 7 0, , , , , , , 64 64 64 64 64 64 64 On vérifiera (en exercice) que l’on obtient le vecteur ⃗c suivant : [( 84 ) ( 16 ) ) ( 8 ) ( 16 8 iπ/4 8 3iπ/4 8 3iπ/4 8 5iπ/4 + 64 e e − 64 e , ... , − 64 , − 64 − 64 64 , − 64 − 64 e (

) ( 16 4 , − 64 + − 64

8 iπ/4 64 e



8 3iπ/4 64 e

) ( 8 ) ( 16 , − 64 , − 64 +

8 3iπ/4 64 e

+

8 5iπ/4 64 e

)]

Il faut ensuite diviser ces coefficients par 8 pour obtenir les coefficients ti dans l’ordre que l’on connaît. 

Interpolation

269

0,25 0,2 0,15

a) 0,1 0,05 0 -4

-3

-2

-1

0

1

-2

-1

0

1

-2

-1

0

1

2

3

4

2

3

4

2

3

4

0,25 0,2 0,15

b) 0,1 0,05 0 −0,05 -4

-3

0,25 0,2 0,15

c) 0,1 0,05 0 −0,05 -4

-3

Figure 5.23 – Tn (t) et g(t) pour a) 2n = 10, b) 2n = 20 et c) 2n = 210

270

5.9

Chapitre 5

Introduction aux NURBS

Les logiciels de conception assistée par ordinateur (CAO) ou d’animation sur ordinateur doivent représenter des courbes et surfaces d’une grande complexité. Cette complexité s’accompagne également d’un souci d’efficacité et de rapidité de production de ces surfaces et courbes. Ces contraintes ont amené le développement d’outils modernes comme les B-splines rationnelles non uniformes, mieux connues sous le sigle NURBS (de l’anglais «Non Uniform Rational B-Splines»), que nous allons brièvement décrire dans cette section. Pour de plus amples détails, on se référera au livre de Farin [14], qui constitue un excellent ouvrage de référence dans ce domaine.

5.9.1

B-splines

Au préalable, il faut introduire des courbes plus simples que l’on nomme B-splines ou splines de base. Les splines de base sont aussi parfois appelées fonctions de base, fonctions de pondération, polynômes de pondération ou fonctions de mélange. Les B-splines sont des courbes paramétrées. On note t le paramètre qui varie entre 0 et L. Dans l’intervalle [0 , L], on choisit n + 1 valeurs appelées nœuds t0 , t1 , t2 , · · · , tn et qui constituent le vecteur des nœuds (ou vecteur nodal) que nous dénoterons T . Les nœuds vérifient : ti ≤ ti+1 ce qui signifie qu’ils sont classés par ordre croissant et que certains nœuds pourront être doubles ou même triples. Définition 5.59 Un nœud ti est de multiplicité m s’il est répété m fois.

Exemple 5.60 Le vecteur T = [0 , 0 , 0 , 1 , 2 , 2 , 3] possède 1 nœud triple (t = 0), deux nœuds simples (t = 1 et t = 3) ainsi qu’un nœud double (t = 2). Au total, on considère qu’il y a quand même 7 nœuds (n = 6) en tenant compte des multiplicités.  On définit ensuite les n fonctions : { 1 0 Ni (t) = 0

si ti ≤ t < ti+1 ailleurs

(5.82)

pour i allant de 0 à n − 1. Les fonctions Ni0 (t) constituent les splines de base de degré 0. On définit celles de degré p par la récurrence suivante : Nip (t) =

(ti+1+p − t) (t − ti ) Nip−1 + N p−1 (ti+p − ti ) (ti+1+p − ti+1 ) i+1

(5.83)

Interpolation

271

La fonction Nip (t) n’est définie que dans l’intervalle [ti , ti+1+p [ et touche donc p + 2 nœuds. Avec au total n + 1 nœuds, on peut construire n + 1 − (p + 2) + 1 = n − p fonctions différentes. Illustrons tout ceci par des exemples simples. Exemple 5.61 On prend le vecteur de nœuds T = [0 , 1 , 2], ce qui signifie que l’on a 2 fonctions Ni0 et une seule fonction de degré 1 soit : N01 (t) =

(t − 0) 0 (2 − t) 0 N0 (t) + N (t) (1 − 0) (2 − 1) 1

Cette fonction est présentée à la figure 5.24a). Remarquons immédiatement que la fonction est définie pour les valeurs de t entre 0 et 2. Si l’on bouge le nœud t1 et qu’on le resitue en 0,5 par exemple, la fonction N01 (t) devient celle illustrée à la figure 5.24b). À la limite, on peut prendre t1 = 0 tel qu’illustré sur la même figure. On constate ainsi que la distance entre les nœuds est importante et a une influence sur la forme de la spline de base. 

Exemple 5.62 On considère maintenant des splines de base de degré 2. On choisit pour ce faire le vecteur T = [0 , 1 , 2 , 3]. Il y a ainsi 3-2 = 1 spline de base quadratique qui est illustrée à la figure 5.25a). On peut maintenant jouer quelque peu avec le vecteur des nœuds pour mieux en saisir le rôle. Comme dans l’exemple précédent, on peut prendre t1 = 0 (T = [0 , 0 , 2 , 3]) pour obtenir la spline de la figure 5.25b). On peut même prendre le vecteur T = [0 , 0 , 0 , 3] et un nœud triple en 0. On obtient ainsi la spline illustrée à la figure 5.25c). 

Exemple 5.63 Un exemple intéressant consiste à prendre le vecteur de nœuds : T = [0 , 1 , 2 , 3 , 4 , 5 , 6 , 7] et des splines de base de degré 3. On peut ainsi former 4 (7-3) splines de base Ni3 (t) illustrées à la figure 5.26. On remarque que chaque fonction Ni3 (t) porte sur un intervalle de 5 (3+2) nœuds. Ces splines cubiques sont cependant différentes de celles introduites à la section 5.6. Terminons cet exemple en illustrant une fois de plus le rôle des nœuds multiples. Si l’on prend un nœud triple en 2 et le vecteur : T = [0 , 1 , 2 , 2 , 2 , 5 , 6 , 7] on obtient la spline N23 (t) de la figure 5.27 tandis qu’un quadruple nœud en 2 : T1 = [0 , 1 , 2 , 2 , 2 , 2 , 6 , 7]

272

Chapitre 5 1 0,9 0,8

a)

0,7

b)

0,6

d)

0,5

c)

0,4 0,3 0,2 0,1 0 0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8

2

Figure 5.24 – Splines de base de degré 1 avec T = [0 , t1 , 2] : a) t1 = 1, b) t1 = 0,5, c) t1 = 0,1 et d) t1 = 0 produit une fonction discontinue (en t = 2) comme le montre encore la figure 5.27. 

Théorème 5.64 À l’exclusion des p premiers et des p derniers intervalles, c’est-à-dire pour tp ≤ t ≤ tn−p , on a : n−p ∑

Nip (t) = 1

(5.84)

i=0



Corollaire 5.65 Si le premier et le dernier nœuds sont de multiplicité p + 1, alors : n−p ∑

Nip (t) = 1 ∀t

(5.85)

i=0

Démonstration : Cela découle du théorème précédent dans la mesure où les intervalles [t0 , tp [ et ]tn−p , tn ] sont tous deux vides. ♠

Interpolation

273

0,8 0,7 0,6 0,5

a)

0,4 0,3 0,2 0,1 0 0

0,5

1

1,5

1

1,5

2,5

3

2

2,5

3

2

2,5

3

2

0,7 0,6 0,5 0,4

b)

0,3 0,2 0,1 0 0

0,5

1 0,9 0,8 0,7 0,6

c)

0,5 0,4 0,3 0,2 0,1 0 0

0,5

1

1,5

Figure 5.25 – Splines de base de degré 2 : a) T = [0 , 1 , 2 , 3], T = [0 , 0 , 2 , 3], c) T = [0 , 0 , 0 , 3]

b)

274

Chapitre 5 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0

1

2

3

4

5

6

7

Figure 5.26 – Splines de base de degré 3 : T = [0 , 1 , 2 , 3 , 4 , 5 , 6 , 7]

Définition 5.66 L’ordre de continuité d’une spline de base est le nombre de fois que la spline est dérivable. Ainsi, une continuité d’ordre 0 signifie que la spline est continue (0 fois dérivable), une continuité d’ordre 1 signifie que la spline est une fois dérivable et ainsi de suite.

Théorème 5.67 Si le vecteur des nœuds est constitué uniquement de points de multiplicité 1, l’ordre de continuité des splines de base Nip (t) est p − 1. Par contre, à l’exclusion du premier et du dernier nœuds, un nœud double fera baisser l’ordre de continuité de 1, un nœud triple de 2, etc. ⋆ Terminons en résumant les propriétés des splines de base : 1. Nip (t) ≥ 0 pour tout i, p et t ; 2. Nip (t) est non nul seulement dans l’intervalle [ti , ti+1+p [ ; p p 3. dans l’intervalle [ti , ti+1 [, seules les splines de base Ni−p (t), Ni−p+1 (t), p · · · , Ni (t) sont non nulles ; 4. une B-spline ne vaut exactement 1 qu’en un nœud de multiplicité p ou de multiplicité p + 1 s’il s’agit du premier ou du dernier nœud. Exemple 5.68 On prend le vecteur T = [0 , 0 , 0 , 0 , 1 , 1 , 1 , 1] et des splines de base de degré 3. Il n’y a dans cet exemple que deux nœuds distincts soit 0 et 1 qui sont de multiplicité 4. On pourra néanmoins construire 4 splines de base qui sont illustrées à la figure 5.28.

Interpolation

275

1 0,9 0,8 0,7 0,6

a)

0,5 0,4 0,3 0,2 0,1 0 0

1

2

3

4

5

4

5

6

7

0,8 0,7 0,6 0,5

b) 0,4 0,3 0,2 0,1 0 0

1

2

3

6

7

Figure 5.27 – Spline de base de degré 3 : a) vecteur T , b) vecteur T1

276

Chapitre 5

On vérifie facilement sur le graphique que la somme de ces 4 fonctions donne 1 partout (voir la relation 5.85). En particulier, N03 (0) = 1 et N33 (1) = 1 puisque 0 et 1 sont de multiplicité 3 + 1. Notons enfin que ces quatre fonctions sont en fait les splines dites de Bézier. 

5.9.2

Génération de courbes

On peut engendrer des courbes dans le plan ou dans l’espace en se servant des splines de base que nous venons d’introduire. Dans ce qui suit, nous nous concentrerons sur les splines de degré 2 ou 3 qui sont les plus utilisées. On considère un vecteur de nœuds T pour lequel le premier et le dernier nœuds sont de multiplicité p+1. Si au total on a n+1 nœuds, on peut construire n − p fonctions de base. On se donne maintenant n − p points de contrôle P i dans le plan ou dans l’espace et l’on considère la courbe : γ(t) =

n−p−1 ∑

Nip (t)P i

(5.86)

i=0

Cette courbe passe par P 0 , car N0p (0) = 1 et toutes les autres B-splines s’annulent en 0. Le même phénomène se produit au dernier nœud P n−p−1 avec p la fonction Nn−p−1 qui vaut 1 en tn alors que toutes les autres B-splines s’y annulent. Par contre, la spline obtenue ne passe pas forcément par les autres points de contrôle. En ce sens, la B-spline n’est pas une courbe d’interpolation. Exemple 5.69 On considère les 5 points de contrôle (0 , 0), (1 , 1), (2 , 0), (3 , 1) et (4 , 0) qui, lorsque reliés par des segments de droite, forment la lettre M. On considère maintenant des splines de degré 3. Il faut donc un vecteur de 9 nœuds (n = 8). On constate immédiatement à la figure 5.29 que la courbe passe par le premier et le dernier points et est en quelque sorte influencée par les autres points mais sans les interpoler. 

5.9.3

B-splines rationnelles non uniformes

Les B-splines rationnelles non uniformes (en anglais NURBS), comme leur nom l’indique, sont en fait un quotient de fonctions B-splines. La non-uniformité vient du fait que les nœuds du vecteur T ne sont pas forcément équidistants. Dorénavant, nous utiliserons l’expression anglaise NURBS, car elle est largement utilisée partout ailleurs. Une des principales raisons de l’introduction des NURBS est que l’on ne peut pas représenter exactement des coniques (cercles, ellipses, hyperboles) par des fonctions B-splines. On comprend alors les limitations pour un logiciel de dessin par ordinateur de ne pouvoir représenter facilement un cercle ou une sphère. On peut par contre montrer que cela est possible par des quotients de B-splines. On définit alors les NURBS comme suit.

Interpolation

277

1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

Figure 5.28 – Splines de base de degré 3 : T = [0 , 0 , 0 , 0 , 1 , 1 , 1 , 1]

1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

0

0,5

1

1,5

2

2,5

3

3,5

Figure 5.29 – B-spline et points de contrôle

4

278

Chapitre 5

Définition 5.70 On construit une NURBS de degré p en suivant les étapes ci-dessous : – on donne un vecteur de nœuds T de longueur n + 1 et dont le premier et le dernier nœuds sont de multiplicité p + 1 ; – on choisit n − p points de contrôle P i ; – à chaque point de contrôle P i , on associe un poids wi ; – on définit la NURBS d’ordre p par : n−p−1 ∑

γ(t) =

wi Nip (t)P i

i=0 n−p−1 ∑

(5.87) wi Nip (t)

i=0

Cette définition constructive nécessite quelques précisions. Tout d’abord, on constate que, si les poids wi sont tous égaux, on peut les éliminer et l’on retombe sur une B-spline non rationnelle puisque le dénominateur devient tout simplement 1 en vertu de l’équation 5.85. Les poids wi jouent essentiellement le rôle inverse de celui qu’ils jouaient dans le krigeage. Plus le poids wi sera grand, plus la NURBS calculée passera près du point Pi . On peut également écrire l’expression 5.87 sous la forme : γ(t) =

n−p−1 ∑

Rip (t)P i

i=0

où les fonctions rationnelles Rip (t) sont définies par : Rip (t) =

wi Nip (t) n−p−1 ∑

wi Nip (t)

i=0

Les fonctions Rip (t) jouent le rôle de fonctions de base pour la courbe, un peu comme les fonctions de Lagrange 5.4 pour l’interpolation. Rappelons cependant que la NURBS ne passe pas forcément par tous les points de contrôle.

5.9.4

Construction des coniques

La possibilité de pouvoir construire des coniques est l’une des principales raisons d’introduire les NURBS. Rappelons que ce n’est pas possible par les techniques classiques d’interpolation. On réalise les coniques au moyen de splines quadratiques (p = 2). Pour comprendre le processus, nous procéderons à l’aide d’un exemple.

Interpolation

279

1,6 1,4 1,2

w1 = 2

1

w1 = 1

0,8

w1 = 0,5

0,6

w1 = 0,25

0,4 0,2 0 0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8

2

Figure 5.30 – Coniques pour différentes valeurs de w1

Exemple 5.71 On choisit 3 points de contrôle aux sommets d’un triangle √ équilatéral. On peut prendre par exemple les points P 0 = (0 , 0), P 1 = (1 , 3) et P 2 = (2 , 0) avec poids respectifs w0 = 1, w1 et w2 = 1. Nous ferons par la suite varier w1 pour obtenir les différentes coniques. Le vecteur de nœuds est : T = [0 , 0 , 0 , 1 , 1 , 1] La courbe résultante passera donc par P 0 et P 2 mais pas forcément par P 1 . La NURBS a donc dans ce cas la forme : γ(t) = =

w0 N02 P 0 + w1 N12 P 1 + w2 N22 P 2 w0 N02 + w1 N12 + w2 N22 (1 − t)2 P 0 + 2w1 t(1 − t)P 1 + t2 P 2 (1 − t)2 + 2w1 t(1 − t) + t2

Il est en effet facile de montrer, à l’aide de la récurrence 5.83, que : N02 (t) = (1 − t)2 , N12 (t) = 2t(1 − t) et N22 (t) = t2 Si l’on trace successivement les NURBS calculées avec ces paramètres en faisant varier w1 , on obtient les courbes illustrées à la figure 5.30. On peut montrer que ces courbes sont des ellipses si 0 < w1 < 1 (en particulier un cercle si w1 = 12 ), une parabole si w1 = 1 et des hyperboles si w1 > 1. 

280

Chapitre 5 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8 2

Figure 5.31 – Cercle généré par une NURBS

Exemple 5.72 On considère 7 points de contrôle sur un triangle équilatéral et dont le dernier √ √ 3 est répété. Prenons par exemple les points (1 , 0), (0 , 0), (0,5 , 2 ), (1 , 3), √

(1,5 , 23 ), (2 , 0) et enfin (1 , 0). On associe à chacun de ces points des poids wi valant respectivement 1, 12 , 1, 12 , 1, 12 , 1. Le vecteur de nœuds associé est : T = [0 , 0 , 0 , 1 , 1 , 2 , 2 , 3 , 3 , 3] À la figure 5.31, on constate facilement que ce cercle complet est constitué de 3 arcs de 120 degrés. 

5.9.5

Construction des surfaces

On construit une surface NURBS en suivant les étapes ci-dessous : – on donne un vecteur de nœuds U de longueur n + 1 et dont le premier et le dernier nœuds sont de multiplicité p + 1 ; – on donne un vecteur de nœuds V de longueur m + 1 et dont le premier et le dernier nœuds sont de multiplicité q + 1 ; – on choisit (n − p)(m − q) points de contrôle P ij , i = 0, 1, 2, · · · n − p − 1 et j = 0, 1, 2, · · · m − q − 1 ; – à chaque point de contrôle P ij , on associe un poids wij ;

Interpolation

281

4 3,5 3 2,5 2 1,5 1 3 3

2,5 2,5

2

2

1,5

1,5 1

1

Figure 5.32 – Surface produite par la formule 5.88 – on définit la NURBS surfacique par : n−p−1 ∑ m−q−1 ∑

S(u, v) =

wij Nip (u)Njq (v)P ij

i=0 j=0 n−p−1 ∑ m−q−1 ∑ i=0

(5.88) wij Nip (u)Njq (v)

j=0

La surface est obtenue par un produit cartésien de 2 courbes : l’une de degré p en u et l’autre de degré q en v. Dans plusieurs situations, on prendra p = q, mais il est utile de se laisser la possibilité d’utiliser des degrés différents dans chaque direction. Le fait d’imposer que les premiers et derniers nœuds des vecteurs U et V soient de multiplicité p + 1 et q + 1 respectivement assure que la surface résultante passera par les points de contrôle situés sur les coins de la surface. Exemple 5.73 On considère les 9 points de l’espace suivant : (1 , 1 , 1), (2 , 1 , 2), (3 , 1 , 3), (1 , 2 , 2), (2 , 2 , 3), (3 , 2 , 1), (1 , 3 , 3), (2 , 3 , 2), et (3 , 3 , 4). Ces points sont répartis au-dessus du carré du plan xoy dont les coins sont les premier, troisième, septième et neuvième points. Dans un premier temps, on prendra tous les poids wij = 1. Enfin, on pose : U = V = [0 , 0 , 0 , 1 , 1 , 1] Il en résulte immédiatement que p = q = 2. La NURBS résultante est illustrée à la figure 5.32. On constate bien que la surface passe par les 4 coins. 

282

Chapitre 5

5.10

Exercices

1. Il n’existe pas de polynôme de degré n dont la courbe passe par (n + 2) points donnés. Commenter. 2. Obtenir le polynôme de degré 2 passant par les points suivants. Fonction x 1,0 2,0 3,0

tabulée f (x) 2,0 6,0 12,0

Utiliser la matrice de Vandermonde. 3. Déterminer un polynôme de degré 2 vérifiant les conditions suivantes : a) p(0) = 1, b) p(0) = 1, c) p(0) = 1,

p(1) = 0, p(2) = 0. p′ (0) = 0, p(1) = 1. p′ (0) = 1, p(1) = 0.

Dans les deux derniers cas, justifier le fait que le problème possède une solution unique. Refaire la question a) en utilisant la formule de Lagrange. 4. Soit les points suivants. Fonction tabulée x f (x) x f (x) 0,0 0,0 3,0 252,0 1,0 2,0 4,0 1040,0 2,0 36,0 a) Obtenir le polynôme de Lagrange passant par les 3 premiers points. b) Obtenir le polynôme de Lagrange passant par les 4 premiers points. Est-ce possible d’utiliser les calculs faits en a) ? c) Donner l’expression analytique de l’erreur pour les polynômes obtenus en a) et en b). d) Obtenir des approximations de f (1,5) à l’aide des 2 polynômes obtenus en a) et en b). 5. Répondre aux mêmes questions qu’à l’exercice précédent, mais en utilisant la méthode de Newton. Donner en plus des approximations des erreurs commises en d). 6. Obtenir, sans faire de calculs, le polynôme de degré 4 passant par les 5 points suivants : Fonction tabulée x f (x) x f (x) −1,0 1,0 2,0 1,0 0,0 1,0 11,0 1,0 1,0 1,0 Cette solution est-elle unique ?

Interpolation

283

7. Soit les points suivants : Fonction tabulée x f (x) x f (x) −3,0 −23,0 2,0 −23,0 1,0 −11,0 5,0 1,0 Calculer le polynôme d’interpolation en utilisant : a) La matrice de Vandermonde. b) La méthode de Lagrange. c) La méthode de Newton. 8. Une expérience de thermodynamique a conduit aux résultats suivants : Pression (kPa) Vg (m3 /kg)

308,6 0,055 389

362,6 0,0474 85

423,3 0,040 914

491,4 0,035 413

où Vg est le volume spécifique du gaz en fonction de la pression. a) Obtenir le polynôme de Lagrange passant par les 4 points. b) Obtenir une approximation de Vg lorsque la pression est de 400kPa. 9. On pose f (x) = sin(πx). a) Calculer le développement de Taylor de degré 3 de f (x) autour de x0 = 0. b) Obtenir le polynôme de Lagrange qui interpole f (x) aux nœuds 0, 1/4, 3/4 et 1. c) Comparer les valeurs des dérivées de ces deux approximants en x = 1/3 avec la valeur exacte de la dérivée de f (x). Quelle est l’approximation la plus précise. Justifier votre réponse. 10. On interpole f (x) = ln x par un polynôme aux nœuds x0 = 1, x1 = 2, x2 = 3, x3 = 4 et x4 = 5. a) Trouver une expression algébrique de ce polynôme en utilisant la méthode de Newton. b) Estimer la valeur de f (6,32) avec le polynôme trouvé en a) et calculer l’erreur absolue. Comparer cette valeur avec l’approximation fournie par la formule 5.23 en prenant comme nœud supplémentaire x = 5,5. c) Combien de nœuds à intervalle régulier de 0,5 faudrait-il ajouter, en partant de x5 = 5,5, afin que l’erreur absolue de l’estimé de f (6,32) obtenu en b) diminue d’un facteur 100. d) Sur l’intervalle [3, 4], le graphe du polynôme trouvé en a) est-il au dessus de celui de f (x), en dessous, ou se croisent-ils ? 11. Si on utilise les nœuds également espacés : 9 xi = 1 + i , n

i = 0, . . . , n

√ sur l’intervalle [1, 10] pour interpoler f (x) = x par une fonction linéaire par morceaux, quelle devrait être la valeur de n pour que l’erreur d’interpolation soit d’au plus 10−6 ?

284

Chapitre 5

12. On a tabulé une fonction f (x) dont on sait par ailleurs que pour x entre 0,0 et 0,3, on a |f (2) (x)| ≤ 5 et |f (3) (x)| ≤ 3 : Fonction xi f (xi ) 0,0 0,1 0,1 0,2

tabulée xi f (xi ) 0,2 0,3 0,3 0,5

a) Calculer la table des différences divisées. b) Utiliser cette table pour calculer le polynôme d’interpolation de degré 3 passant par tous les points. c) Est-il possible d’approcher f (x) au point x = 0,18 avec une erreur inférieure à 10−4 en utilisant l’interpolation quadratique basée sur les nœuds 0,1, 0,2 et 0,3 ? Justifier. 13. À partir des données de l’exercice 4 : a) Obtenir le système linéaire nécessaire pour calculer la spline naturelle dans l’intervalle [0 , 4]. b) Résoudre ce système et obtenir la valeur des dérivées secondes de la spline en chaque point d’interpolation. c) Obtenir une approximation de f (1,5) à l’aide de la spline. 14. Obtenir une approximation de f (4,5) en utilisant un polynôme de degré 2 ainsi que les données suivantes. Fonction x f (x) 1,0 0,0000 2,0 0,6931 3,5 1,2528

tabulée x f (x) 5,0 1,6094 7,0 1,9459

a) Utiliser la méthode de Newton et un polynôme de degré 2. Donner l’expression analytique du terme d’erreur. b) Répondre à la question posée en a), mais en utilisant cette fois la méthode de Lagrange. c) Obtenir une approximation de l’erreur commise en a). d) Est-ce possible d’obtenir une approximation de l’erreur commise en b) ? e) Quelles différences présentent ces deux méthodes ? 15. Soit une fonction aléatoire X suivant une loi normale. La probabilité que X soit inférieure ou égale à x (notée P (X ≤ x)) est donnée par la fonction : ∫ x t2 1 e− 2 dt P (X ≤ x) = √ 2π −∞ Comme la fonction e−t /2 n’a pas de primitive, on calcule cette probabilité pour différentes valeurs de x (par des méthodes que nous verrons 2

Interpolation

285

au prochain chapitre) et l’on garde les résultats dans des tables comme celle-ci : Fonction P(X ≤ x) x P (X ≤ x) x P (X ≤ x) 1,0 0,841 3447 1,3 0,903 1995 1,1 0,864 3339 1,4 0,919 2433 1,2 0,884 9303 À l’aide de cette table, obtenir P (X ≤ 1,05) avec une erreur absolue inférieure à 0,5 × 10−5 . 16.

2

En se basant sur l’algorithme de Horner (voir la section 1.5.3), écrire un algorithme qui évalue de manière efficace le polynôme : p(x) = c1 + c2 (x − x1 ) + c3 (x − x1 )(x − x2 ) + · · · + cn+1 (x − x1 ) . . . (x − xn )

au point x pour des abscisses xi et des coefficients cj donnés. Modifier l’algorithme afin de pouvoir évaluer plusieurs points regroupés sous la forme d’un vecteur ⃗x. 17. Un cas particulier intéressant de la formule d’interpolation de Newton se présente lorsque les points d’interpolation xi sont également distants, c’est-à-dire lorsque : xi+1 − xi = h Obtenir l’expression des premières, deuxièmes et troisièmes différences divisées dans ce cas précis. Donner un aperçu de ce que pourraient être les autres différences divisées. 18. Soit les trois points (0 , 0), (1 , 1) et (2 , 8) de la fonction f (x) = x3 . a) Obtenir le système linéaire de dimension 3 permettant de calculer la spline cubique naturelle passant par ces trois points. b) À l’aide de la spline trouvée en a), donner une approximation de f ( 21 ) et comparer le résultat avec la valeur exacte 18 . c) En interpolant une fonction cubique (f (x) = x3 ) par des polynômes de degré 3 dans chaque intervalle, on obtient quand même une erreur. Expliquer. 19. a) Reprendre l’exercice précédent, mais en utilisant cette fois une spline qui vérifie f0′′ = 0 et f2′′ = 12. Expliquer les résultats. b) Si l’on impose f0′′ = f1′′ et f1′′ = f2′′ , est-ce que la spline obtenue sera précisément f (x) = x3 ? 20. On souhaite concevoir un virage d’une voie de chemin de fer entre les points (0 , 0) et (1 , 1). Le virage est décrit par une courbe de la forme y = f (x) qui satisfait : f (0) = 0 et f (1) = 1 2. Les exercices précédés du symbole nécessitent l’utilisation d’un ordinateur. Pour R qui possède faciliter la tâche de programmation, nous recommandons le logiciel Matlab⃝ toutes les fonctionnalités de base nécessaires à l’apprentissage des méthodes numériques.

286

Chapitre 5 De plus, pour assurer une transition en douceur, la pente de la courbe doit satisfaire : f ′ (0) = 0 et f ′ (1) = 0,3 On représente la courbe à l’aide d’un polynôme dans l’intervalle [0 , 1]. a) Quel est le degré minimal que ce polynôme devra avoir pour remplir toutes les conditions ? b) Calculer ce polynôme.

21. Soit une fonction f (x) dont on connaît la valeur en certains points. Fonction x f (x) 0,0 3,0 1,0 2,0 2,0 3,0

tabulée x f (x) 3,0 6,0 4,0 11,0 5,0 18,0

a) Calculer la table de différences divisées. Montrer que les troisièmes différences divisées sont nulles. b) Que conclure au sujet de la fonction f (x) ? 22. On choisit au hasard 10 points (xi , f (xi )), i = 0, 1, · · · 9 sur la courbe d’équation f (x) = x2 . On utilise alors la méthode de Lagrange ou la méthode de Newton pour calculer le polynôme passant par tous ces points. Puisque l’on sait que les polynômes de degré élevé ont tendance à osciller fortement, croyez-vous que ce sera le cas pour ces points ? 23. On considère la table suivante d’une fonction f (x) : Fonction x f (x) 0,0 1,000 000 1,0 1,543 081 2,0 3,762 196

tabulée x f (x) 3,0 10,067 66 4,0 27,308 23

Obtenir la meilleure approximation possible de f (2,1) en utilisant un polynôme de degré 2 et la méthode d’interpolation de Newton. 24. Soit les points (0 , 1), (1 , 2) et (2 , 76 ) d’une fonction f (x). Dans les intervalles [0 , 1] et [1 , 2], on définit les polynômes : p0 (x) = 1 + et :

3x x3 − 2 2

pour x ∈ [0 , 1]

1 7x2 2x3 p1 (x) = − + 5x − + 6 2 3

pour x ∈ [1 , 2]

a) Vérifier que ces 2 polynômes satisfont toutes les propriétés d’une spline cubique. b) Est-ce une spline naturelle ?

Interpolation

287

25. On a compilé un certain nombre de valeurs d’une fonction f (x) :

x 1,0 1,5 2,5 3,0

Fonction f (x) 0,000 000 0,405 465 0,916 291 1,098 612

tabulée x f (x) 3,5 1,252 763 4,0 1,386 294 5,0 1,609 438 6,0 1,791 760

a) Déterminer le polynôme de degré le moins élevé possible qui permette de trouver une approximation de f (3,1) avec une erreur absolue inférieure à 0,5 × 10−3 . b) Donner l’expression analytique du terme d’erreur associé à l’approximation trouvée en a). 26. On désire faire passer une spline cubique naturelle par les points : Fonction i xi f (xi ) 0 0,0 1,000 000 1 0,5 1,127 626 2 1,0 1,543 081

tabulée i xi f (xi ) 3 1,5 2,352 409 4 2,0 3,762 196

En résolvant le système linéaire requis, on a trouvé : Coefficients i xi fi′′ 0 0,0 0,000 000 1 0,5 1,432 458 2 1,0 1,178 064

de i 3 4

la spline xi fi′′ 1,5 3,308 238 2,0 0,000 000

a) Obtenir une approximation de f (0,75) à l’aide de cette spline. b) Toujours en se servant de cette spline, on veut obtenir une approximation de f ′ (1,0). On peut donc choisir entre le polynôme p2 (x) défini dans l’intervalle [0,5 , 1,0] et le polynôme p3 (x) défini dans l’intervalle [1,0 , 1,5]. Lequel de ces 2 polynômes donnera la meilleure approximation de f ′ (1,0) ? Ne pas calculer cette approximation. c) Toujours en vous servant de cette spline, obtenir une approximation de f ′′ (1,5). 27. En vous servant des points (xi , f (xi )) de l’exercice précédent, obtenir le système linéaire 5×5 permettant de calculer une spline cubique vérifiant : a) f0′′ = a et f4′′ = b (a et b sont supposées connues). b) f0′′ = f1′′ et f3′′ = f4′′ . c) f0′ = a et f4′ = b (a et b sont supposées connues). (N.B. Ne pas résoudre)

288

Chapitre 5

28. Soit p2 (x) le polynôme qui interpole f (x) = x3 aux points (0, 0), (−1, −1) et (1, 1). Sans déterminer l’équation de p2 (x), calculer : E2 (x) = f (x) − p2 (x) et déterminer en quel(s) point(s) de [0, 1] E2 (x) est maximale. 29. Soit la fonction : f (x) = x2 − x définie sur l’intervalle [−1, 1]. Déterminez la spline cubique naturelle interpolant f (x) aux nœuds x0 = −1, x1 = 0 et x2 = 1. 30. Dans chacun des cas suivants, dire si l’énoncé est vrai ou faux, puis justifier brièvement votre réponse. a) La spline cubique S(x), qui interpole f (x) = x2 aux nœuds x = 1, 2, 3 et qui satisfait S ′ (1) = 2 et S ′ (3) = 2 est S(x) = x2 . b) La spline cubique S(x), qui interpole f (x) = x2 aux nœuds ′′ x = 0, 1, 2, 3 et qui satisfait S ′ (0) = 0 et S (3) = 2 est S(x) = x2 . c) La spline cubique S(x), qui interpole f (x) = x3 aux nœuds ′′ ′′ x = 0, 4, 7, 10 et qui satisfait S (0) = 0 et S (10) = 0 est S(x) = x. d) La spline cubique S(x), qui interpole f (x) = sin x aux nœuds ′′ ′′ x = 0, π, 2π et qui satisfait S (0) = 0 et S (2π) = 0 est S(x) = 0. e) La spline cubique S(x), qui interpole f (x) = x3 aux nœuds ′ ′ x = 0, 1, 2 et qui satisfait S (0) = 0 et S (2) = 8 est S(x) = x3 . 31. Deux modèles permettent de décrire la friction de l’air sur un parachutiste. Avant l’ouverture du parachute, le coefficient de friction est constant 2 et vaut 11 tandis que, une fois le parachute complètement ouvert, ce coefficient est de 2. Le parachute prend environ 3 secondes pour se déployer. On supposera pour simplifier les calculs que le parachute s’ouvre au temps t = 0 s. a) Trouver l’interpolation linéaire qui rend le modèle de friction continu. b) Trouver l’interpolation cubique qui rend le modèle de friction différentiable. 32. Soit les points de la table suivante. Fonction tabulée x f (x) 0,0 1,0 2,0 4,0 5,0 7,0 a) Construire le système linéaire de krigeage en utilisant la fonction g(h) = h et une dérive linéaire. b) Résoudre ce système par décomposition LU et donner l’expression de la fonction de krigeage u(x). Évaluer u(3). c) Montrer qu’il s’agit bien d’une interpolation linéaire par morceaux.

Interpolation

289

33. Répondre aux questions a) et b) de l’exercice précédent, mais en utilisant cette fois la fonction g(h) = h3 . 34. En utilisant les mêmes points que ceux des deux exercices précédents, montrer que le système linéaire de krigeage obtenu en prenant la fonction g(h) = h2 est singulier (ce qui indique que le choix de g(h) n’est pas arbitraire). 35. Obtenir le système linéaire de krigeage qui permette de construire une surface passant par les points suivants. Fonction x1 x2 f (x1 , x2 ) 1,0 1,0 1,0 2,0 1,0 2,0

tabulée x1 x2 f (x1 , x2 ) 1,0 2,0 2,0 2,0 2,0 4,0

Évaluer la fonction de krigeage en ( 32 , 32 ) et comparer le résultat avec la valeur exacte 94 (les points donnés appartiennent à la fonction f (x1 , x2 ) = x1 x2 ). Utiliser pour ce faire une dérive linéaire et la fonction g(h) = h2 ln h. 36. À l’aide de la méthode du krigeage, donner l’équation paramétrique du carré [0 , 1] × [0 , 1]. Suggestion : Considérer les 5 points (0 , 0), (1 , 0), (1 , 1), (0 , 1) et (0 , 0) de même que la fonction g(h) = h pour obtenir une approximation linéaire par morceaux.

Chapitre 6

Différentiation et intégration numériques 6.1

Introduction

Le contenu de ce chapitre prolonge celui du chapitre 5 sur l’interpolation. À peu de choses près, on y manie les mêmes outils d’analyse. Dans le cas de l’interpolation, on cherchait à évaluer une fonction f (x) connue seulement en quelques points. Dans le présent chapitre, le problème consiste à obtenir des approximations des différentes dérivées de cette fonction de même que de : ∫ xn f (x)dx x0

On parle alors de dérivation numérique et d’intégration numérique. On fait face à ce type de problèmes lorsque, par exemple, on connaît la position d’une particule à intervalles de temps réguliers et que l’on souhaite obtenir sa vitesse. On doit alors effectuer la dérivée de la position connue seulement en quelques points. De même, l’accélération de cette particule nécessite le calcul de la dérivée seconde. Si, à l’inverse, on connaît la vitesse d’une particule à certains intervalles de temps, on obtient la distance parcourue en intégrant la vitesse dans l’intervalle [x0 , xn ]. Nous avons vu au chapitre précédent que la fonction f (x) peut être convenablement estimée à l’aide d’un polynôme de degré n avec une certaine erreur. En termes concis : f (x) = pn (x) + En (x) (6.1) où En (x) est le terme d’erreur d’ordre (n + 1) donné par la relation 5.21. L’expression 6.1 est à la base des développements de ce chapitre.

6.2

Différentiation numérique

On peut aborder la différentiation numérique d’au moins deux façons. La première approche consiste à utiliser le développement de Taylor et la seconde

292

Chapitre 6

est fondée sur l’égalité 6.1. Nous utiliserons un mélange des deux approches, ce qui nous permettra d’avoir un portrait assez complet de la situation. Commençons d’abord par l’équation 6.1. Si l’on dérive de chaque côté de l’égalité, on obtient successivement : f ′ (x) f ′′ (x) f ′′′ (x) .. .

= p′n (x) + En′ (x) = p′′n (x) + En′′ (x) ′′′ = p′′′ n (x) + En (x) .. = .

(6.2)

Ainsi, pour évaluer la dérivée d’une fonction connue aux points ((xi , f (xi )) pour i = 0, 1, 2, · · · , n), il suffit de dériver le polynôme d’interpolation passant par ces points. De plus, le terme d’erreur associé à cette approximation de la dérivée est tout simplement la dérivée de l’erreur d’interpolation. Ce résultat est vrai quel que soit l’ordre de la dérivée. Remarque 6.1 Bien qu’en théorie on soit en mesure d’estimer les dérivées de tout ordre, sur le plan pratique, on dépasse rarement l’ordre 4. Cela s’explique par le fait que la différentiation numérique est un procédé numériquement instable. 

6.2.1

Dérivées d’ordre 1

Commençons par faire l’approximation des dérivées d’ordre 1, ce qui revient à évaluer la pente de la fonction f (x). Tout comme pour l’interpolation, nous avons le choix entre plusieurs polynômes de degré plus ou moins élevé. De ce choix dépendent l’ordre et la précision de l’approximation. Nous avons rencontré un problème semblable dans le cas de l’interpolation : si un polynôme de degré n est utilisé, on obtient une approximation d’ordre (n + 1) de la fonction f (x) (voir la relation 5.26). Il est également utile de se rappeler que l’erreur d’interpolation s’écrit : En (x) =

f (n+1) (ξ(x)) [(x − x0 )(x − x1 ) · · · (x − xn )] (n + 1)!

(6.3)

pour un certain ξ compris dans l’intervalle [x0 , xn ]. En dérivant l’expression précédente, tout en tenant compte de la dépendance de ξ envers x, on obtient une relation pour la dérivée de l’erreur d’interpolation : En′ (x) =

f (n+2) (ξ(x))ξ ′ (x) [(x − x0 )(x − x1 ) · · · (x − xn )] (n + 1)! +

f (n+1) (ξ(x)) [(x − x0 )(x − x1 ) · · · (x − xn )]′ (n + 1)!

La dérivée du produit apparaissant dans le deuxième terme de droite est plus délicate. Cette dérivée débouche sur une somme de produits où, tour à tour,

Différentiation et intégration numériques

293

l’un des facteurs (x − xi ) est manquant. Il est facile de se convaincre, en reprenant ce développement avec n = 2 par exemple, que l’on obtient : En′ (x) =

f (n+2) (ξ(x))ξ ′ (x) [(x − x0 )(x − x1 ) · · · (x − xn )] (n + 1)!   n n (n+1) ∑ ∏ f (ξ(x))  + (x − xj ) (n + 1)!

(6.4)

k=0 j=0(j̸=k)

On peut simplifier cette expression quelque peu complexe en choisissant l’un ou l’autre des points d’interpolation. En effet, en x = xi , le premier terme de droite s’annule, faisant disparaître la dérivée de ξ(x), qui est inconnue. De la somme, il ne reste qu’un seul terme puisque tous les autres contiennent un facteur (x − xi ) et s’annulent. Il reste : En′ (xi ) =

  n f (n+1) (ξ(xi ))  ∏ (xi − xj ) (n + 1)! j=0(j̸=i)

Si l’on suppose de plus que les xi sont également distancés, c’est-à-dire : xi+1 − xi = h ce qui signifie que xi − xj = (i − j)h, on obtient : En′ (xi ) =

  n f (n+1) (ξi )hn  ∏ (i − j) (n + 1)!

(6.5)

j=0(j̸=i)

où ξi est simplement une notation différente de ξ(xi ). En particulier, si i = 0, on trouve :     n n (n+1) n (n+1) n ∏ ∏ f (ξ0 )h  f (ξ0 )h  En′ (x0 ) = (−j) = (−j) (n + 1)! (n + 1)! j=0(j̸=0)

j=1

c’est-à-dire : En′ (x0 ) =

(−1)n hn f (n+1) (ξ0 ) (n + 1)

(6.6)

pour un certain ξ0 compris dans l’intervalle [x0 , xn ]. Remarque 6.2 L’équation 6.5 montre que, si l’on utilise un polynôme d’interpolation de degré n (c’est-à-dire d’ordre (n + 1)), la dérivée de ce polynôme évaluée en x = xi est une approximation d’ordre n de f ′ (xi ). 

294

Chapitre 6

Définition 6.3 Aux points d’interpolation, on a : f ′ (xi ) = p′n (xi ) + En′ (xi )

(6.7)

Le terme p′n (xi ) dans l’équation 6.7 est une formule aux différences finies ou plus simplement une formule aux différences. Nous proposons plus loin plusieurs formules aux différences finies pour évaluer les différentes dérivées de f (x). Elles se distinguent principalement par le degré du polynôme et par les points d’interpolation retenus. Appproximations d’ordre 1 Si l’on choisit le polynôme de degré 1 passant par les points (x0 , f (x0 )) et (x1 , f (x1 )), on a, grâce à la formule d’interpolation de Newton : p1 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) et donc :

f ′ (x) = p′1 (x) + E1′ (x) = f [x0 , x1 ] + E1′ (x)

(6.8)

En vertu de la relation 6.6 avec n = 1 et puisque (x1 − x0 ) = h, on arrive à : f ′ (x0 ) =

f (x1 ) − f (x0 ) f (x1 ) − f (x0 ) (−1)1 h1 f (2) (ξ0 ) + E1′ (x0 ) = + x1 − x0 h 2

qui peut encore s’écrire : f ′ (x0 ) =

f (x1 ) − f (x0 ) hf (2) (ξ0 ) − pour ξ0 ∈ [x0 , x1 ] h 2

(6.9)

qui est la différence avant d’ordre 1. On l’appelle différence avant car, pour évaluer la dérivée en x = x0 , on cherche de l’information vers l’avant (en x = x1 ). De la même manière, si l’on évalue l’équation 6.8 en x = x1 , la relation 6.5 avec (i = 1) donne : f ′ (x1 ) =

f (x1 ) − f (x0 ) + E1′ (x1 ) x1 − x0 

=

f (x1 ) − f (x0 ) + h

h1 f (2) (ξ1 ) 2!



1 ∏

 (1 − j)

j=0(j̸=1)

ou encore : f ′ (x1 ) =

f (x1 ) − f (x0 ) hf (2) (ξ1 ) + pour ξ1 ∈ [x0 , x1 ] h 2

qui est la différence arrière d’ordre 1.

(6.10)

Différentiation et intégration numériques

295

On constate ainsi que la même différence divisée est une approximation de la dérivée à la fois en x = x0 et en x = x1 . On remarque cependant que le terme d’erreur est différent aux deux endroits. Appproximations d’ordre 2 Passons maintenant aux polynômes de degré 2. Soit les points (x0 , f (x0 )), (x1 , f (x1 )) et (x2 , f (x2 )). Le polynôme de degré 2 passant par ces trois points est : p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ) dont la dérivée est : p′2 (x) = f [x0 , x1 ] + f [x0 , x1 , x2 ](2x − (x0 + x1 )) Lorsque x prend successivement les valeurs x0 , x1 et x2 , il est facile de montrer que l’on obtient des approximations d’ordre 2 de la dérivée. Formules de différences d’ordre 2 pour f ′ (x) f ′ (x0 ) =

−f (x2 ) + 4f (x1 ) − 3f (x0 ) h2 f ′′′ (ξ0 ) + 2h 3 Différence avant d’ordre 2

f ′ (x1 ) =

f (x2 ) − f (x0 ) h2 f ′′′ (ξ1 ) − 2h 6

(6.11)

Différence centrée d’ordre 2 f ′ (x2 ) =

3f (x2 ) − 4f (x1 ) + f (x0 ) h2 f ′′′ (ξ2 ) + 2h 3 Différence arrière d’ordre 2

Les termes d’erreur de ces formules aux différences finies découlent tous de la relation 6.5 lorsqu’on pose successivement i = 0, 1 et 2. Pour i = 0, on peut utiliser directement l’équation 6.6. Les points ξ0 , ξ1 et ξ2 sont situés quelque part dans l’intervalle [x0 , x2 ] et sont inconnus (voir les exercices de fin de chapitre). Remarque 6.4 Toutes ces formules aux différences sont d’ordre 2. Les mentions avant, centrée et arrière renvoient au point où l’on calcule la dérivée et aux points utilisés pour la calculer. Ainsi, la différence avant est évaluée en x0 sur la base des valeurs situées vers l’avant, soit en x1 et en x2 . La différence arrière fixe la dérivée en x = x2 avec l’appui des valeurs de la fonction en x0 et en x1 . La différence centrée, quant à elle, fait intervenir des valeurs situées de part et d’autre de x1 . La figure 6.1 illustre les différentes possibilités. Pour les différences d’ordre 1, on estime la dérivée par la pente du segment de droite joignant les points (x0 , f (x0 )) et (x1 , f (x1 )). Dans le cas des différences d’ordre 2, on

296

Chapitre 6 Différence avant d’ordre 2 (en x0 ) Différence centrée d’ordre 2 (en x1 ) p2 (x) Différence arrière d’ordre 2 (en x2 )

Différence arrière (en x1 ) Différence avant (en x1 ) x0

x1

x2

Figure 6.1 – Interprétation géométrique des formules aux différences

détermine un polynôme de degré 2 dont la pente en x0 , en x1 et en x2 donne respectivement les différences avant, centrée et arrière. 

On peut aussi convenir de toujours évaluer la dérivée en x. Dans ce cas, on utilise les valeurs de f (x + h) et de f (x + 2h) pour la différence avant et les valeurs de f (x + h) et de f (x − h) pour la différence centrée. En ce qui concerne le terme d’erreur, on ne retient que son ordre. Les tableaux suivants résument la situation.

Formules de différences finies d’ordre 1 pour f ′ (x) f ′ (x) =

f (x + h) − f (x) + O(h) h Différence avant d’ordre 1

f ′ (x) =

f (x) − f (x − h) + O(h) h Différence arrière d’ordre 1

(6.12)

Différentiation et intégration numériques

297

Formules de différences finies d’ordre 2 pour f ′ (x) f ′ (x) =

−f (x + 2h) + 4f (x + h) − 3f (x) + O(h2 ) 2h Différence avant d’ordre 2

f ′ (x) =

f (x + h) − f (x − h) + O(h2 ) 2h

(6.13)

Différence centrée d’ordre 2 f ′ (x) =

3f (x) − 4f (x − h) + f (x − 2h) + O(h2 ) 2h Différence arrière d’ordre 2

Exemple 6.5 On tente d’évaluer la dérivée de f (x) = ex en x = 0. La solution exacte est dans ce cas f ′ (0) = e0 = 1. On peut dès lors comparer ce résultat avec ceux que l’on obtient par les différentes formules aux différences. Par exemple, la différence avant d’ordre 1 donne pour h = 0,1 : f ′ (0) ≃

e0+h − e0 e0,1 − 1 = = 1,051 709 18 h 0,1

Une valeur plus petite de h conduit à un résultat plus précis. Ainsi, si h = 0,05 : f ′ (0) ≃

e0,05 − 1 = 1,025 4219 0,05

On obtient ainsi une erreur à peu près deux fois plus petite, ce qui confirme que cette approximation est d’ordre 1. Si l’on utilise cette fois une différence centrée d’ordre 2, on obtient avec h = 0,05 : f ′ (0) ≃

e0,05 − e−0,05 = 1,000 4167 2(0,05)

qui est un résultat beaucoup plus précis. Avec h = 0,025, on obtient : f ′ (0) ≃

e0,025 − e−0,025 = 1,000 104 18 2(0,025)

soit une erreur à peu près 4 fois plus petite qu’avec h = 0,05. On obtiendrait des résultats similaires avec les différences avant et arrière d’ordre 2. 

298

Chapitre 6

6.2.2

Dérivées d’ordre supérieur

Avec les dérivées d’ordre supérieur, on agit à peu près de la même manière qu’avec les dérivées d’ordre 1, c’est-à-dire que l’on dérive un polynôme d’interpolation aussi souvent que nécessaire. Les dérivées d’ordre supérieur posent toutefois une difficulté supplémentaire, qui provient principalement de l’analyse d’erreur. En effet, dériver plusieurs fois le terme d’erreur 5.21 est long et fastidieux. Nous préférons suivre une approche légèrement différente basée sur le développement de Taylor. Reprenons le polynôme de degré 2 déjà utilisé pour calculer la dérivée première. Ce polynôme s’écrit : p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ) et sa dérivée seconde est : p′′2 (x) = 2f [x0 , x1 , x2 ] =

f (x2 ) − 2f (x1 ) + f (x0 ) h2

(6.14)

qui constitue une approximation de la dérivée seconde f ′′ (x) partout dans l’intervalle [x0 , x2 ]. Il reste à en déterminer l’ordre. Cet ordre dépend du point retenu pour l’approximation. – Premier cas : On fait l’approximation de la dérivée en x0 . L’équation 6.14 peut alors s’écrire : f ′′ (x0 ) ≃ p′′2 (x0 ) =

f (x0 + 2h) − 2f (x0 + h) + f (x0 ) h2

On remarque immédiatement qu’il s’agit d’une formule aux différences avant. Pour déterminer l’ordre de l’erreur liée à cette approximation, on utilise le développement de Taylor 1.20. Dans un premier temps, on a : f (x0 + 2h) = f (x0 ) + f ′ (x0 )(2h) + +

f ′′ (x0 ) (2h)2 2!

f ′′′ (x0 ) f (4) (x0 ) (2h)3 + (2h)4 + · · · 3! 4!

et de même : f (x0 + h) = f (x0 ) + f ′ (x0 )h + +

f ′′ (x0 ) 2 h 2!

f ′′′ (x0 ) 3 f (4) (x0 ) 4 h + h + ··· 3! 4!

On parvient alors à : f (x0 + 2h) − 2f (x0 + h) + f (x0 ) h2

=

f ′′ (x0 )h2 + f ′′′ (x0 )h3 + O(h4 ) h2

= f ′′ (x0 ) + f ′′′ (x0 )h + O(h2 ) = f ′′ (x0 ) + O(h)

Différentiation et intégration numériques

299

Cette différence avant est donc une approximation d’ordre 1 de la dérivée seconde. C’est cette approximation que l’on a utilisée pour évaluer l’erreur d’interpolation 5.21 à l’aide de la formule 5.22 au chapitre précédent. – Deuxième cas : On fait l’approximation de la dérivée en x1 . L’équation 6.14 peut alors s’écrire : f ′′ (x1 ) ≃ p′′2 (x1 ) =

f (x1 + h) − 2f (x1 ) + f (x1 − h) h2

qui est une différence centrée. Pour en déterminer l’ordre, on fait appel, comme dans le cas précédent, aux développements de Taylor, mais cette fois autour de x1 . On a : f (x1 + h) = f (x1 ) + f ′ (x1 )h + +

f ′′ (x1 ) 2 h 2!

f ′′′ (x1 ) 3 f (4) (x1 ) 4 h + h + ··· 3! 4!

En remplaçant h par (−h), on obtient également : f (x1 − h) = f (x1 ) − f ′ (x1 )h + −

f ′′ (x1 ) 2 h 2!

f ′′′ (x1 ) 3 f (4) (x1 ) 4 h + h + ··· 3! 4!

Une fois combinées, ces deux relations deviennent : f (x1 + h) − 2f (x1 ) + f (x1 − h) h2

=

f ′′ (x1 )h2 +

= f ′′ (x1 ) +

f (4) (x1 ) 4 h 12 h2

+ O(h6 )

f (4) (x1 ) 2 h + O(h4 ) 12

= f ′′ (x1 ) + O(h2 ) c’est-à-dire une approximation d’ordre 2 de la dérivée. – Troisième cas : On fait l’approximation de la dérivée en x2 . En reprenant un raisonnement similaire à celui du premier cas, on pourrait montrer que la relation 6.14 est une approximation d’ordre 1 de la dérivée seconde en x = x2 . Remarque 6.6 Il peut sembler surprenant de constater que la même équation aux différences, obtenue à partir d’un polynôme de degré 2, soit d’ordre 1 en x = x0 et en x = x2 et soit d’ordre 2 en x = x1 . Cela s’explique par la symétrie des différences centrées, qui permet de gagner un ordre de précision. 

300

Chapitre 6

On peut obtenir toute une série de formules aux différences finies en utilisant des polynômes de degré plus ou moins élevé et en choisissant les développements de Taylor appropriés pour en obtenir l’ordre de convergence. Les tableaux suivants présentent les principales d’entre elles. Formules de différences finies pour f ′′ (x) f ′′ (x) =

f (x − 2h) − 2f (x − h) + f (x) + O(h) h2 Différence arrière d’ordre 1

f ′′ (x) =

f (x + 2h) − 2f (x + h) + f (x) + O(h) h2 Différence avant d’ordre 1

f ′′ (x) =

f ′′ (x) =

(6.15)

f (x + h) − 2f (x) + f (x − h) + O(h2 ) h2 Différence centrée d’ordre 2 −f (x+2h)+16f (x+h)−30f (x)+16f (x−h)−f (x−2h) 12h2

+ O(h4 )

Différence centrée d’ordre 4 Formule de différences finies pour f (4) (x) f

(4)

(x) =

f (x+2h)−4f (x+h)+6f (x)−4f (x−h)+f (x−2h) h4

+ O(h2 )

(6.16)

Différence centrée d’ordre 2 Pour terminer, nous démontrons que la différentiation est un procédé numériquement instable. Toutes les formules de différences finies dépendent d’un paramètre h qui est la distance entre les points d’interpolation. On pourrait croire, de façon intuitive, que la précision du résultat augmente à mesure que diminue la valeur de h. Dans le cas de la différentiation numérique, il y a une limite aux valeurs de h qui peuvent être utilisées. En effet, si l’on prend, par exemple, une différence centrée pour estimer la dérivée première, c’est-à-dire : f ′ (x0 ) ≃

f (x0 + h) − f (x0 − h) 2h

on constate que, lorsque h tend vers 0, le numérateur contient la soustraction de deux termes très proches l’un de l’autre. Cela résulte en l’élimination par soustraction (voir la section 1.5.2) de plusieurs chiffres significatifs lorsque h est trop petit. À quoi s’ajoute une division par un nombre très petit. L’exemple suivant illustre ce phénomène.

Différentiation et intégration numériques

301

Exemple 6.7 On considère les différences centrées d’ordre 2 pour le calcul des dérivées première et deuxième de la fonction f (x) = ex en x = 0. Ces deux calculs, qui doivent normalement aboutir à 1, permettent d’apprécier la précision des résultats. Le tableau suivant rassemble les résultats en simple précision, ce qui correspond à peu près à travailler avec une mantisse de 7 chiffres décimaux. Instabilité numérique (simple précision) h 10−1 10−2 10−3 10−4 10−5 10−6 10−7

f ′ (x) ≃

f (x+h)−f (x−h) 2h

1,175 201 178 1,001 667 619 1,000 016 928 1,000 017 047 1,000 166 059 1,001 358 151 0,983 476 758

f ′′ (x) ≃

f (x+h)−2f (x)+f (x−h) h2

1,086 161 137 1,000 839 472 1,000 165 939 1,013 279 080 0,000 000 000 0,000 000 000 −59 604,6601

La valeur de h est successivement réduite d’un facteur de 10 à partir de h = 1,0. On constate que, lorsque h diminue, la précision liée aux dérivées augmente dans un premier temps, puis se dégrade brusquement pour les valeurs de h plus faibles. Cela est particulièrement évident pour la dérivée seconde (troisième colonne). Si l’on passe en double précision (l’équivalent d’environ 15 chiffres décimaux dans la mantisse), on observe un comportement similaire, mais qui se produit à des valeurs de h plus faibles. Instabilité numérique (double précision) h 10−02 10−03 10−04 10−05 10−06 10−07 10−08 10−09 10−10 10−11 10−13 10−15 10−17

f ′ (x) ≃

f (x+h)−f (x−h) 2h

1,000 016 666 749 992 12 1,000 000 166 666 681 34 1,000 000 001 666 889 74 1,000 000 000 012 102 32 0,999 999 999 973 244 40 0,999 999 999 473 643 93 0,999 999 993 922 528 80 1,000 000 027 229 219 55 1,000 000 082 740 370 78 1,000 000 082 740 370 78 0,999 755 833 674 953 35 1,054 711 873 393 898 71 0,000 000 000 000 000 00

f ′′ (x) ≃

f (x+h)−2f (x)+f (x−h) h2

1,000 008 333 360 558 05 1,000 000 083 406 504 81 1,000 000 005 024 759 28 0,999 998 972 517 346 26 0,999 977 878 279 878 16 0,999 200 722 162 640 44 0,000 000 000 000 000 00 111,022 302 462 515 597 0,000 000 000 000 000 00 0,000 000 000 000 000 00 −11 102 230 246,251 562 111 022 302 462 515,641 0,000 000 000 000 000 00

Lorsque h est trop petit, l’élimination par soustraction des chiffres significatifs

302

Chapitre 6

a un impact dévastateur sur la précision des résultats. Il est donc recommandé d’être très prudent dans le choix de h et d’éviter des valeurs trop petites. 

6.3

Extrapolation de Richardson

La méthode d’extrapolation de Richardson est valable non seulement pour la différentiation et l’intégration numériques, mais aussi pour l’interpolation, la résolution numérique des équations différentielles, etc. Cette technique permet d’augmenter la précision d’une méthode d’approximation par une technique d’extrapolation que nous décrivons dans cette section. Prenons comme point de départ une approximation numérique, notée Qapp (h), d’une certaine quantité exacte Qexa inconnue. L’approximation numérique dépend d’un paramètre h, comme c’est souvent le cas. Généralement, plus h est petit, plus l’approximation est précise. On suppose de plus que cette approximation est d’ordre n, c’est-à-dire : Qexa = Qapp (h) + O(hn ) La notation O(hn ) signifie en fait que l’on a : Qexa = Qapp (h) + cn hn + cn+1 hn+1 + cn+2 hn+2 + · · ·

(6.17)

où les constantes cn dépendent de la méthode numérique utilisée. La technique d’extrapolation de Richardson consiste à obtenir, à partir de l’approximation 6.17 d’ordre n, une nouvelle approximation d’ordre au moins (n + 1). Pour ce faire, il suffit de remplacer h par h2 dans l’équation 6.17, ce qui conduit à la relation : ( ) ( )n ( )n+1 ( )n+2 h h h h Qexa = Qapp + cn + cn+1 + cn+2 + · · · (6.18) 2 2 2 2 L’approximation Qapp ( h2 ) est généralement plus précise que Qapp (h). On peut cependant se servir de ces deux approximations pour en obtenir une nouvelle, encore plus précise. L’idée consiste à combiner les relations 6.17 et 6.18 de telle sorte que le terme d’ordre n (cn hn ) disparaisse. Cela est possible si l’on multiplie l’équation 6.18 par 2n pour obtenir : ( ) ( n+1 ) ( n+2 ) h h h n n n 2 Qexa = 2 Qapp + cn h + cn+1 + cn+2 + ··· 2 2 22 En soustrayant l’énoncé 6.17 de cette dernière relation, on obtient : ( ) h 1 3 n n (2 − 1)Qexa = 2 Qapp − Qapp (h) − cn+1 hn+1 − cn+2 hn+2 + · · · 2 2 4 d’où : Qexa =

2n Qapp ( h2 ) − Qapp (h) − 21 cn+1 hn+1 − 34 cn+2 hn+2 + · · · + (2n − 1) (2n − 1)

(6.19)

Différentiation et intégration numériques

303

qui s’écrit plus simplement : Qexa =

2n Qapp ( h2 ) − Qapp (h) + O(hn+1 ) (2n − 1)

L’expression de droite est donc une approximation d’ordre au moins (n+1) de Qexa . L’extrapolation de Richardson permet donc de gagner au moins un ordre de convergence. En fait, on peut en gagner davantage si, par exemple, on a cn+1 = 0 dès le départ. Dans ce cas, la nouvelle approximation est d’ordre (n+2). Cette situation se produit fréquemment, notamment avec les différences centrées et la méthode d’intégration dite des trapèzes que nous verrons plus loin. Exemple 6.8 On a vu qu’en utilisant une différence avant d’ordre 1 pour calculer la dérivée de ex en x = 0 on obtient : f ′ (0) ≃

e0+h − e0 e0,1 − 1 = = 1,051 709 18 = Qapp (0,1) h 0,1

pour h = 0,1 et : f ′ (0) ≃

e0,05 − 1 = 1,025 4219 = Qapp (0,05) 0,05

pour h = 0,05. On peut maintenant faire le calcul à l’aide de l’équation 6.19 avec n = 1 : f ′ (0) ≃

21 Qapp (0,05) − Qapp (0,1) 21 − 1

= (2)(1,025 421 9) − 1,051 709 18 = 0,999 134 62 qui est une approximation d’ordre 2 et donc plus précise de f ′ (0). De même, si l’on utilise une différence centrée d’ordre 2, on obtient pour h = 0,05 : f ′ (0) ≃

e0,05 − e−0,05 = 1,000 4167 2(0,05)

et avec h = 0,025 : f ′ (0) ≃

e0,025 − e−0,025 = 1,000 104 18 2(0,025)

Dans ce cas, l’extrapolation de Richardson permet de gagner 2 ordres de précision puisque seules les puissances paires de h apparaissent dans le terme d’erreur (voir les exercices de fin de chapitre). Plus précisément, on a : f ′′′ (x)h2 f (5) (x)h4 f (x + h) − f (x − h) = f ′ (x) + + + O(h6 ) 2h 3! 5!

304

Chapitre 6

La différence centrée étant d’ordre 2, l’extrapolation de Richardson avec n = 2 donne : f ′ (0) ≃ =

22 Qapp (0,025) − Qapp (0,05) 22 − 1 (4)(1,000 104 18) − 1,000 4167 = 1,000 000 007 3

qui est une approximation d’ordre 4 de la solution exacte.  Remarque 6.9 Des exemples précédents, on conclut qu’il vaut mieux éviter d’utiliser des valeurs de h très petites pour calculer une dérivée à l’aide d’une formule de différences finies. Il est en effet préférable de choisir une valeur de h pas trop petite et de faire des extrapolations de Richardson. 

6.4

Intégration numérique

L’intégration numérique est basée principalement sur la relation : ∫ xn ∫ xn ∫ xn En (x)dx pn (x)dx + f (x)dx = x0

x0

(6.20)

x0

où pn (x) est un polynôme d’interpolation et En (x) est l’erreur qui y est associée. En faisant varier la valeur de n, on obtient les formules de Newton-Cotes. En principe, plus n est élevé, plus grande est la précision liée à la valeur de l’intégrale recherchée. En pratique cependant, on emploie rarement des valeurs de n supérieures à 4. Par ailleurs, l’extrapolation de Richardson, alliée judicieusement à l’une des formules de Newton-Cotes, conduit à la méthode de Romberg, l’une des techniques d’intégration numérique les plus précises. Enfin, nous traitons des quadratures de Gauss-Legendre, très fréquemment utilisées dans les méthodes numériques plus avancées comme celle des éléments finis (voir Reddy, réf. [31]).

6.4.1

Formules de Newton-Cotes simples et composées

Méthode des trapèzes Commençons par la méthode la plus simple. On souhaite évaluer : ∫ x1 f (x)dx x0

où f (x) est une fonction connue seulement en deux points ou encore une fonction n’ayant pas de primitive. La solution qui vient tout de suite à l’esprit consiste à remplacer f (x) par le polynôme de degré 1 passant par les points (x0 , f (x0 )) et (x1 , f (x1 )) comme l’illustre la figure 6.2.

Différentiation et intégration numériques

305

f (x) f (x1 )

f (x0 )

x1

x0

x

Figure 6.2 – Méthode du trapèze La valeur approximative de l’intégrale correspond à l’aire sous la courbe du polynôme. Cette aire forme un trapèze qui donne son nom à la méthode du trapèze. Évidemment, l’approximation est grossière et l’on peut d’ores et déjà soupçonner que le résultat sera peu précis. Le polynôme de Newton 5.6 et la relation 5.21 conduisent à : ∫ x1 ∫ x1 ∫ x1 f (x)dx = p1 (x)dx + E1 (x)dx x0

x0



x0

x1

=

{f (x0 ) + f [x0 , x1 ](x − x0 )}dx

x0



x1

+ x0

f ′′ (ξ(x)) (x − x0 )(x − x1 )dx 2!

ce qui peut également s’écrire, si l’on intègre le polynôme : ∫ x1 (x1 − x0 ) f (x)dx = (f (x0 ) + f (x1 )) 2 x0 ∫

x1

+ x0

f ′′ (ξ(x)) (x − x0 )(x − x1 )dx 2!

(6.21)

Le premier terme de droite n’est rien d’autre que l’aire du trapèze de la figure 6.2, tandis que le deuxième terme est l’erreur commise. Le changement de variable 5.25 permet d’écrire : s=

x − x0 h

d’où l’on tire que (x−xi ) = (s−i)h et que dx = hds. Le terme d’erreur devient

306

Chapitre 6

alors : ∫

x1

x0

f ′′ (ξ(x)) (x − x0 )(x − x1 )dx = 2!



1

0

f ′′ (ξ(s)) s(s − 1)h3 ds 2!

On peut encore simplifier cette expression en faisant appel au second théorème de la moyenne. Théorème 6.10 Soit f1 (x), une fonction continue dans l’intervalle [a , b] et f2 (x), une fonction intégrable qui ne change pas de signe dans l’intervalle [a , b]. Il existe alors η ∈ [a , b] tel que : ∫



b

b

f1 (x)f2 (x)dx = f1 (η)

(6.22)

f2 (x)dx

a

a

⋆ Comme la fonction (s(s − 1)) ne change pas de signe dans [0 , 1], on peut mettre à profit ce théorème, ce qui donne : ∫ 0

1

f ′′ (ξ(s)) f ′′ (η) 3 s(s − 1)h3 ds = h 2! 2!

∫ 0

1

s(s − 1)ds = −

f ′′ (η) 3 h 12

La méthode du trapèze se résume donc à l’égalité : ∫ x1 f ′′ (η) 3 h f (x)dx = (f (x0 ) + f (x1 )) − h pour η ∈ [x0 , x1 ] 2 12 x0

(6.23)

La méthode du trapèze demeure peu précise, comme en témoigne l’exemple suivant. Exemple 6.11 Il s’agit d’évaluer numériquement : ∫

π 2

sin xdx

0

dont la valeur exacte est 1. La méthode du trapèze donne dans ce cas : ∫ 0

π 2

sin xdx ≃

π 2

2

( sin 0 + sin

π) π = = 0,785 398 164 2 4

qui est une piètre approximation de la valeur exacte 1. Ce résultat peu impressionnant vient du fait que l’on approche la fonction sin x dans l’intervalle [0 , π2 ] au moyen d’un polynôme de degré 1. Cette approximation est assez médiocre, comme en témoigne la figure 6.3. 

Différentiation et intégration numériques

307

1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

π 2

0

Figure 6.3 – Méthode du trapèze, f (x) = sin x Une meilleure stratégie consiste à décomposer l’intervalle où l’on doit faire l’intégration, soit l’intervalle [a , b], en n sous-intervalles de longueur (fig. 6.4) : h=

b−a n

(6.24)

Les différents points engendrés sont notés xi pour i = 0, 1, 2, · · · , n. Les valeurs aux extrémités sont a = x0 et b = xn . Dans chaque sous-intervalle [xi , xi+1 ], on peut utiliser la méthode du trapèze. On a alors : ∫

b

f (x)dx = a

n−1 ∑ ∫ xi+1 i=0

=

xi

f (x)dx ≃

n−1 ∑ i=0

h [f (xi ) + f (xi+1 )] 2

h ([f (x0 ) + f (x1 )] + [f (x1 ) + f (x2 )] + · · · 2 + [f (xn−2 ) + f (xn−1 )] + [f (xn−1 ) + f (xn )])

On remarque que tous les termes f (xi ) sont répétés deux fois, sauf le premier et le dernier. On en conclut que : ∫ a

b

f (x)dx ≃

h (f (x0 ) + 2 [f (x1 ) + f (x2 ) + · · · + f (xn−1 )] + f (xn )) 2

(6.25)

qui est la formule des trapèzes composée. Qu’en est-il du terme d’erreur ? Dans chacun des n sous-intervalles [xi , xi+1 ], on commet une erreur liée à la méthode du trapèze. Puisque : h=

(b − a) (b − a) et donc n = n h

308

Chapitre 6 f (x)

···

a = x0

x1

x3 · · · xn−2 xn−1 xn = b

x2

x

Figure 6.4 – Méthode des trapèzes composée l’erreur totale commise est : ( ′′ ) f (η) 3 (b − a) f ′′ (η) 3 (b − a) ′′ n − h =− h =− f (η)h2 12 h 12 12 Remarque 6.12 Le raisonnement précédent n’est pas parfaitement rigoureux, même si le résultat final est juste. En effet, dans chaque sous-intervalle [xi , xi+1 ], l’erreur liée à la méthode du trapèze simple devrait faire intervenir f ′′ (ηi ), c’est-à-dire une valeur de η différente pour chaque sous-intervalle. Un autre théorème de la moyenne est alors nécessaire pour conclure (voir Burden et Faires, réf. [5]). L’erreur globale étant donnée par : −

(b − a) ′′ f (η)h2 pour η ∈ [a , b] 12

(6.26)

la méthode des trapèzes composée est d’ordre 2. 

Exemple 6.13 On reprend le calcul de :

∫ I=

π 2

sin xdx

0

mais cette fois à l’aide de la méthode des trapèzes composée. Soit d’abord 4 intervalles de longueur : h=

( π2 − 0) π = 4 8

Différentiation et intégration numériques

309

tels que les montre la figure 6.5a). On a alors : π 8

I ≃

2

(

[ ] ) π π 3π π sin 0 + 2 sin + sin + sin + sin = 0,987 1158 8 4 8 2

soit une erreur absolue d’environ 0,012 88 par rapport à la solution exacte. On constate une nette amélioration en comparaison du résultat obtenu avec un seul intervalle. Il est intéressant de refaire ce calcul avec 8 intervalles (fig. 6.5b). La π valeur de h est maintenant 16 et l’on a : ∫

π 2

sin xdx ≃

0

π 16

(

[

π π 3π + sin + sin 2 16 8 16 ] ) π 5π 3π 7π π + sin + sin + sin + sin + sin 4 16 8 16 2 sin 0 + 2 sin

= 0,996 7852 L’erreur absolue a été réduite à 0,0032. Cette erreur absolue est environ 4 fois plus petite que l’erreur obtenue avec 4 intervalles, ce qui confirme que cette méthode est d’ordre 2. On peut de plus utiliser l’extrapolation de Richardson pour améliorer la précision de ces deux résultats. En utilisant l’équation 6.19 avec n = 2, on obtient l’approximation d’ordre au moins 3 suivante : ∫ 0

π 2

sin xdx ≃

22 (0,996 7852) − 0,987 1158 = 1,000 008 33 22 − 1

ce qui s’approche de plus en plus de la valeur exacte. Comme il sera démontré un peu plus loin, il s’agit en fait d’une approximation d’ordre 4. 

Remarque 6.14 La méthode du trapèze avec un seul intervalle est également connue sous le nom de méthode des trapèzes simple. 

Remarque 6.15 La méthode des trapèzes composée est d’ordre 2. La méthode des trapèzes simple, bien que d’ordre 3, est rarement utilisée, car elle est trop imprécise. 

Remarque 6.16 La méthode des trapèzes composée donne un résultat exact si la fonction f (x) est un polynôme de degré inférieur ou égal à 1. Cela s’explique par la présence de la dérivée seconde de f (x) dans le terme d’erreur : celle-ci s’annule dans le cas de polynômes de degré 1. 

310

Chapitre 6 1,0 0,9 0,8 0,7 0,6

a)

0,5 0,4 0,3 0,2 0,1 0

π 8

0

π 4

π 2

3π 8

1,0 0,9 0,8 0,7 0,6

b)

0,5 0,4 0,3 0,2 0,1 0 0

π 16

π 8

3π 16

π 4

5π 16

3π 8

7π 16

π 2

Figure 6.5 – Méthode des trapèzes composée, f (x) = sin x (4 et 8 intervalles)

Définition 6.17 Les formules d’intégration numérique sont également appelées formules de quadrature.

Définition 6.18 Le degré d’exactitude ou encore le degré de précision d’une formule de quadrature est le plus grand entier n pour lequel la formule de quadrature est exacte pour tout polynôme de degré inférieur ou égal à n. Remarque 6.19 Le degré d’exactitude de la formule des trapèzes est 1. 

Différentiation et intégration numériques

311

Formule de Simpson 1/3 Reprenons le raisonnement utilisé avec la méthode des trapèzes, mais cette fois en utilisant un polynôme de degré 2 dont la courbe passe par les points (x0 ,f (x0 )), (x1 , f (x1 )) et (x2 , f (x2 )). Ce polynôme est donné par la formule de Newton : p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ) On se sert ensuite de l’approximation : ∫ x2 ∫ x2 f (x)dx ≃ p2 (x)dx x0

x0



x2

=

{f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )}dx

x0

On se place de nouveau dans le cas où les abscisses sont également distan0) cées. On pose encore (x−x = s, ce qui entraîne que (x − xi ) = (s − i)h. La h dernière expression devient : ∫

2(

) f (x0 ) + f [x0 , x1 ]hs + f [x0 , x1 , x2 ]h2 s(s − 1) hds

0

=

h (f (x0 ) + 4f (x1 ) + f (x2 )) 3

où l’on a remplacé les différences divisées par leur valeur respective : f [x0 , x1 ] =

f (x2 ) − 2f (x1 ) + f (x0 ) f (x1 ) − f (x0 ) et f [x0 , x1 , x2 ] = h 2h2

En résumé, on a : ∫

x2

x0

f (x)dx ≃

h (f (x0 ) + 4f (x1 ) + f (x2 )) 3

qui est la formule de Simpson 1/3 simple. Cette terminologie est due au facteur de 31 qui multiplie h. L’analyse de l’erreur est plus délicate dans ce cas. On s’est vite rendu compte que la méthode de Simpson 1/3 était plus précise que ce que l’on escomptait. Une analyse plus fine est donc nécessaire. Cette méthode est basée sur l’utilisation d’un polynôme de degré 2 et l’on devrait s’attendre à ce que l’erreur soit donnée par : ∫ x2

E2 (x)dx x0

312

Chapitre 6

On peut pousser plus loin l’analyse de l’erreur en introduisant un quatrième point (x3 , f (x3 )) quelconque et le polynôme de degré 3 correspondant : p3 (x) = p2 (x) +

(f (x3 ) − p2 (x3 )) (x − x0 )(x − x1 )(x − x2 ) (6.27) (x3 − x0 )(x3 − x1 )(x3 − x2 )

qui n’est rien d’autre que le polynôme de degré 2 déjà utilisé auquel on ajoute une correction de degré 3 permettant au polynôme de passer également par le point (x3 , f (x3 )). Or : ∫

x2

∫ (x − x0 )(x − x1 )(x − x2 )dx =

x0

2

s(s − 1)(s − 2)h4 ds = 0

0

comme on peut le vérifier facilement. Il s’ensuit que : ∫ x2 ∫ x2 p2 (x)dx = p3 (x)dx x0

x0

En utilisant un polynôme de degré 2, on obtient en fait la même précision qu’avec un polynôme de degré 3. Le terme d’erreur est donc de ce fait : ∫ x2 ∫ x2 (4) f (ξ) (x − x0 )(x − x1 )(x − x2 )(x − x3 )dx E3 (x)dx = 4! x0 x0 Il n’est pas possible à ce stade-ci d’appliquer le théorème de la moyenne, comme nous l’avons fait pour la méthode du trapèze. En effet, la fonction (x−x0 )(x−x1 )(x−x2 )(x−x3 ) peut changer de signe dans l’intervalle [x0 , x2 ], à moins de choisir judicieusement x3 . Comme le choix de x3 est arbitraire, on peut poser x3 = x1 . Le terme d’erreur devient alors : ∫ x2 ∫ x2 (4) f (ξ) E3 (x)dx = (x − x0 )(x − x1 )(x − x2 )(x − x1 )dx 4! x0 x0 ∫ = 0

2

f (4) (ξ) s(s − 1)2 (s − 2)h5 ds 4!

On remarque que la fonction s(s − 1)2 (s − 2) ne change pas de signe dans l’intervalle [0 , 2]. La figure 6.6 illustre cette fonction. On peut maintenant se servir du théorème de la moyenne pour obtenir : ∫ ∫ x2 f (4) (η) 5 f (4) (η) 5 2 h s(s − 1)2 (s − 2)ds = − h E3 (x)dx = 4! 90 0 x0 La méthode de Simpson 1/3 simple se résume donc à : ∫

x2

f (x)dx = x0

où η ∈ [x0 , x2 ].

h f (4) (η) 5 (f (x0 ) + 4f (x1 ) + f (x2 )) − h 3 90

(6.28)

Différentiation et intégration numériques

313

0,00

-0,05

-0,10

-0,15

-0,20

-0,25 0

0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

Figure 6.6 – Fonction s(s − 1)2 (s − 2) Remarque 6.20 Choisir comme nous l’avons fait x3 = x1 dans l’équation 6.27 n’est pas tout à fait immédiat. En effet, on constate facilement que le dernier terme de la relation 6.27 devient singulier. En fait, il faut faire un passage à la limite comme suit : lim p3 (x) = lim p2 (x)+ x3 →x1

x3 →x1

lim

x3 →x1

(f (x3 ) − p2 (x3 ))(x − x0 )(x − x1 )(x − x2 ) (x3 − x0 )(x3 − x1 )(x3 − x2 )

= p2 (x)+ (x − x0 )(x − x1 )(x − x2 ) (f (x3 ) − p2 (x3 )) lim lim x3 →x1 x →x (x3 − x0 )(x3 − x2 ) (x3 − x1 ) 3 1 = p2 (x) +

(x − x0 )(x − x1 )(x − x2 ) (f (x3 ) − p2 (x3 )) lim x3 →x1 (x1 − x0 )(x1 − x2 ) (x3 − x1 )

Étudions donc maintenant la seule limite qui reste que nous noterons L. On peut utiliser un développement de Taylor autour de x1 en posant : x3 = x1 + (x3 − x1 ) = x1 + h′ de sorte que : L =

lim

x3 →x1

(f (x1 + (x3 − x1 )) − p2 (x1 + (x3 − x1 ))) (x3 − x1 )

(f (x1 + h′ ) − p2 (x1 + h′ )) h →0 h′ ( ) ( ) f (x1 ) + f ′ (x1 )h′ + O(h′2 ) − p2 (x1 ) + p′2 (x1 )h′ + O(h′2 ) = lim h′ →0 h′ =

lim ′

314

Chapitre 6

Puisque f (x1 ) = p2 (x1 ), on obtient finalement que L = f ′ (x1 ) − p′2 (x1 ), ce qui entraîne que : lim p3 (x) = p2 (x) + (f ′ (x1 ) − p′2 (x1 ))

x3 →x1

(x − x0 )(x − x1 )(x − x2 ) (x1 − x0 )(x1 − x2 )

ce qui montre que p3 (x) est bien défini.  Remarque 6.21 La valeur de h exprime toujours la distance entre les points xi , c’est-à-dire qu’elle équivaut dans ce cas à la longueur de l’intervalle divisée par 2.  La méthode de Simpson 1/3 simple est peu précise, tout comme la méthode du trapèze, comme en témoigne l’exemple suivant. Exemple 6.22 On reprend une fois de plus le calcul des exemples précédents. Pour la fonction f (x) = sin x dans l’intervalle [0 , π2 ], on a : ∫

π 2

sin xdx ≃

0

( π) π sin 0 + 4 sin + sin = 1,002 2799 3 4 2 π 4

Ce résultat est plus précis que l’approximation obtenue par la méthode du trapèze simple, mais il demeure peu satisfaisant.  On peut encore une fois améliorer la précision de la formule de Simpson 1/3 en la composant. Puisque la méthode simple requiert deux intervalles, il semble souhaitable de diviser l’intervalle d’intégration [a , b] en 2n sousintervalles et d’utiliser la méthode de Simpson 1/3 simple dans chaque paire de sous-intervalle. La figure 6.7 illustre cette approche. On a alors : ∫

b

f (x)dx = a

n−1 ∑ ∫ x2i+2 i=0

=

x2i

f (x)dx ≃

n−1 ∑ i=0

h (f (x2i ) + 4f (x2i+1 ) + f (x2i+2 )) 3

h ((f (x0 ) + 4f (x1 ) + f (x2 )) + (f (x2 ) + 4f (x3 ) + f (x4 )) + · · · 3 + (f (x2n−4 ) + 4f (x2n−3 ) + f (x2n−2 )) + (f (x2n−2 ) + 4f (x2n−1 ) + f (x2n )))

=

h (f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + · · · 3 + 4f (x2n−3 ) + 2f (x2n−2 ) + 4f (x2n−1 ) + f (x2n ))

Différentiation et intégration numériques

315

f (x)

...

a = x0

x1

x2

x3

x4

x2n−4 x2n−3 x2n−2 x2n−1 x2n = b

x

Figure 6.7 – Méthode de Simpson 1/3 composée Tous les termes de rang impair sont multipliés par 4 tandis que ceux de rang pair sont multipliés par 2, sauf le premier (f (x0 )) et le dernier (f (x2n )). L’analyse de l’erreur liée à la méthode de Simpson 1/3 composée est similaire à celle qui s’applique à la méthode des trapèzes composée. En divisant [a , b] en 2n intervalles, on utilise n fois la méthode de Simpson 1/3 simple et l’on commet donc n fois l’erreur liée à cette méthode. On a alors : h=

b−a b−a et donc n = 2n 2h

et l’erreur totale est : ( ) ( ) f (4) (η) 5 (b − a) f (4) (η) 5 (b − a) (4) n − h h f (η)h4 =− =− 90 2h 90 180 Remarque 6.23 Le terme d’erreur de la méthode de Simpson 1/3 composée est : −

(b − a) (4) f (η)h4 pour un certain η ∈ [a , b] 180

(6.29)

ce qui en fait une méthode d’ordre 4. De plus, en raison de la présence de la dérivée quatrième de f (x), cette méthode est exacte dans le cas des polynômes de degré 3. Le degré d’exactitude de cette méthode est donc 3. 

316

Chapitre 6

Exemple 6.24 On divise l’intervalle [0 , π2 ] en 4 sous-intervalles de longueur h = π8 . On a alors : ) ∫ π π ( 2 π π π 3π 8 sin 0 + 4 sin + 2 sin + 4 sin + sin sin xdx ≃ 3 8 4 8 2 0 = 1,000 1346 Pour une quantité de travail similaire, on obtient une précision supérieure à π , on a : celle de la méthode des trapèzes. Avec 8 sous-intervalles de longueur 16 ∫

π 2

sin xdx ≃

0

π 16

3

( sin 0 + 4 sin

π π 3π + 2 sin + 4 sin 16 8 16

π 5π 3π 7π π + 2 sin + 4 sin + 2 sin + 4 sin + sin 4 16 8 16 2

)

= 1,000 008 296 Cette plus grande précision vient du fait que cette méthode est d’ordre 4. On constate qu’en passant de 4 à 8 intervalles (c’est-à-dire en divisant h par 2) on divise l’erreur par un facteur d’environ 16,22, ce qui confirme l’ordre 4 de la méthode. On peut également utiliser l’extrapolation de Richardson 6.19 avec n = 4 à partir de ces deux valeurs. On obtient ainsi l’approximation : 24 (1,000 008 296) − 1,000 1346 = 0,999 999 876 24 − 1 qui est d’ordre au moins 5. On verra plus loin qu’elle est en fait d’ordre 6. 

Exemple 6.25 On doit calculer :



1

e−x dx 2

0

à l’aide de la méthode de Simpson 1/3 composée avec 8 intervalles de longueur : 1 1−0 = 8 8 Comme la fonction e−x n’a pas de primitive, il faut absolument utiliser une méthode numérique. Dans ce cas : 2

∫ 0

1

e−x dx ≃ 2

1 8

3

(e0 + 4e−0,125 + 2e−0,25 + 4e−0,375 + 2e−0,5 2

2

2

+4e−0,625 + 2e−0,75 + 4e−0,875 + e−1,0 ) 2

= 0,746 826 1205

2

2

2

Différentiation et intégration numériques

317

Il est intéressant de poursuivre les calculs un peu plus loin et de comparer une fois de plus les méthodes des trapèzes et de Simpson 1/3 composées. En prenant 64 intervalles et en travaillant en double précision, on obtient les valeurs suivantes. ∫1 2 Calcul de 0 e−x dx Méthode des trapèzes composée 0,746 809 163 Méthode de Simpson 1/3 composée 0,746 824 133 Solution exacte à 9 chiffres 0,746 824 133 ce qui démontre la supériorité de la méthode de Simpson.  On peut poursuivre dans la même voie et développer des formules de Newton-Cotes basées sur des polynômes de degré de plus en plus élevé. Nous ne présentons ci-dessous que les formules de Simpson 3/8 et de Boole sans les démontrer. Formule de Simpson 3/8 Si l’on utilise un polynôme de degré 3 dans l’intervalle [x0 , x3 ] et passant par les points ((xi , f (xi )) pour i = 0, 1, 2, 3), on obtient la formule de Simpson 3/8 simple qui s’écrit : ∫

x3

f (x)dx = x0

3h 3f (4) (η) 5 (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )) − h 8 80

(6.30)

pour un certain η ∈ [x0 , x3 ]. On peut également composer cette méthode en divisant l’intervalle d’intégration [a , b] en 3n sous-intervalles de longueur : h=

b−a 3n

et en utilisant la formule de Simpson 3/8 simple dans chaque triplet de sousintervalle. On obtient alors : ∫

b

f (x)dx = a

n−1 ∑ ∫ x3i+3 i=0



n−1 ∑ i=0

=

f (x)dx

x3i

3h (f (x3i ) + 3f (x3i+1 ) + 3f (x3i+2 ) + f (x3i+3 )) 8

3h (f (x0 ) + 3f (x1 ) + 3f (x2 ) + 2f (x3 ) + 3f (x4 ) + · · · 8 + 2f (x3n−3 ) + 3f (x3n−2 ) + 3f (x3n−1 ) + f (x3n ))

318

Chapitre 6

et le terme d’erreur : ( ) 3f (4) (η) 5 (b − a) 3f (4) (η) 5 (b − a)f (4) (η) 4 n − h =− h =− h 80 3h 80 80 Remarque 6.26 La méthode de Simpson 3/8 composée a le même ordre de convergence (4) et le même degré d’exactitude (3) que la méthode de Simpson 1/3 composée. Pour cette raison, on lui préfère souvent la méthode de Simpson 1/3. 

Formule de Boole Si l’on a au départ un polynôme de degré 4 dans l’intervalle [x0 , x4 ] dont la courbe passe par les points ((xi , f (xi )) pour i = 0, 1, 2, 3, 4), la formule de Boole simple s’écrit : ∫ x4 2h (7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )) f (x)dx = 45 x0 −

8f (6) (η) 7 h 945

(6.31) pour un certain η ∈ [x0 , x4 ]. On compose cette méthode en divisant cette fois l’intervalle d’intégration [a , b] en 4n sous-intervalles de longueur : b−a 4n et en utilisant la formule de Boole simple dans chaque quadruplet de sousintervalle. On obtient alors : ∫ b n−1 ∑ ∫ x4i+4 f (x)dx f (x)dx = h=

a

i=0



n−1 ∑ i=0

x4i

2h (7f (x4i ) + 32f (x4i+1 ) + 12f (x4i+2 ) 45

+ 32f (x4i+3 ) + 7f (x4i+4 )) =

2h (7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 14f (x4 ) + · · · 45 + 32f (x4n−5 ) + 14f (x4n−4 ) + 32f (x4n−3 ) + 12f (x4n−2 ) + 32f (x4n−1 ) + 7f (x4n ))

et le terme d’erreur : ( ) 8f (6) (η) 7 (b − a) 8f (6) (η) 7 2(b − a)f (6) (η) 6 n − h =− h =− h 945 4h 945 945

Différentiation et intégration numériques

319

Remarque 6.27 En ce qui concerne l’erreur, il se produit un phénomène déjà observé avec la formule de Simpson 1/3 en ce sens que la formule de Boole conduit à une approximation d’ordre 6 au lieu de 5. La méthode de Boole a de plus un degré d’exactitude de 5 puisqu’elle est exacte pour tous les polynômes de degré inférieur ou égal à 5. 

6.4.2

Méthode de Romberg

La méthode de Romberg est une méthode d’intégration qui permet d’atteindre des résultats très précis. Elle est basée sur une utilisation très astucieuse de la méthode des trapèzes composée (d’ordre 2) et de la technique d’extrapolation de Richardson 6.19. On peut en effet démontrer, sous des hypothèses de régularité suffisante de la fonction f (x), que le terme d’erreur de la méthode des trapèzes composée s’écrit : −

(b − a) ′′ f (η)h2 = c2 h2 + c4 h4 + c6 h6 + · · · 12

où les ci sont des constantes. L’information supplémentaire que l’on tire de cette relation est que seuls les termes d’ordre pair sont présents. L’absence des puissances impaires de h permet, du point de vue de l’extrapolation de Richardson, de gagner deux ordres de convergence à chaque extrapolation. De plus, les valeurs extrapolées, qui sont d’ordre 4, peuvent à leur tour être extrapolées pour passer à l’ordre 6, et ainsi de suite. Cette utilisation systématique de l’extrapolation de Richardson permet d’obtenir successivement des approximations de : ∫ b f (x)dx a

d’ordre 2, 4, 6, 8 et plus. Sur le plan pratique, on obtient généralement des résultats extrêmement précis. Dans un premier temps, introduisons quelques notations. On note T1,i le résultat obtenu à l’aide de la méthode des trapèzes composée avec 2i−1 intervalles. Les T1,i sont des approximations d’ordre 2. Pour passer de T1,i à T1,i+1 , on doit doubler le nombre de sous-intervalles, ce qui revient à diviser la valeur de h par deux. Au moyen de l’extrapolation de Richardson 6.19 avec n = 2, on définit alors : 22 T1,i+1 − T1,i (6.32) T2,i = 22 − 1 et les T2,i sont des approximations d’ordre 4. On pose ensuite successivement : T3,i = T5,i

24 T2,i+1 − T2,i 24 − 1

28 T4,i+1 − T4,i = 28 − 1

T4,i = T6,i

26 T3,i+1 − T3,i 26 − 1

210 T5,i+1 − T5,i = 210 − 1

(6.33)

320

Chapitre 6

et ainsi de suite, ce qui définit un tableau triangulaire de la forme : T1,1

Méthode de Romberg T1,2 T1,3 T1,4 T1,5 T1,6 (ordre 2)

T2,1 T2,2 T2,3 T2,4 T2,5

(ordre 4)

T3,1 T3,2 T3,3 T3,4

(ordre 6)

T4,1 T4,2 T4,3

(ordre 8)

T5,1 T5,2

(ordre 10)

T6,1

(ordre 12)

Chaque ligne de ce triangle est de deux ordres de convergence plus précis que la ligne précédente. La première ligne est tout simplement constituée des approximations obtenues à l’aide de la méthode des trapèzes composée avec 1, 2, 4, 8, 16 · · · intervalles. Pour passer d’une ligne à l’autre, on utilise l’extrapolation de Richardson par le biais des relations 6.32 et 6.33. Remarque 6.28 On peut montrer (voir les exercices de fin de chapitre) que la deuxième ligne de ce tableau n’est autre que le résultat de la méthode de Simpson 1/3 avec respectivement 2, 4, 8 · · · intervalles. On pourrait donc éliminer la première ligne et commencer directement avec la méthode de Simpson.  Exemple 6.29 On a déjà obtenu, lors de calculs précédents, les valeurs T1,1 = 0,785 3982, T1,3 = 0,987 1158 et T1,4 = 0,996 7852 correspondant à la formule des trapèzes composée avec respectivement 1, 4 et 8 intervalles pour évaluer : ∫ π 2 sin xdx 0

Il est alors possible de remplir la première ligne du tableau en calculant : π ( π π) T1,2 = 4 sin 0 + 2 sin + sin = 0,948 0594 2 4 2 On peut ensuite effectuer les différentes extrapolations de Richardson. ∫ π 2 Méthode de Romberg : sin xdx 0

0,785 3982 0,948 0594 0,987 1158 0,996 7852 (ordre 2) 1,002 2799 1,000 1346 1,000 0083

(ordre 4)

0,999 9916 0,999 9999

(ordre 6)

1,000 0000

(ordre 8)

Différentiation et intégration numériques

321

La première ligne du tableau étant d’ordre 2, la deuxième ligne est donnée par : (22 )(0,948 0594) − 0,785 3982 = 1,002 2799 22 − 1 (22 )(0,987 1158) − 0,948 0594 = 1,000 1346 22 − 1 (22 )(0,996 7852) − 0,987 1158 = 1,000 0083 22 − 1 qui sont toutes des approximations d’ordre 4. La troisième ligne devient alors : (24 )(1,000 1346) − 1,002 2799 = 0,999 9916 24 − 1 (24 )(1,000 0083) − 1,000 1346 = 0,999 9999 24 − 1 d’ordre 6. Puis enfin : (26 )(0,999 9999) − 0,999 9916 = 1,000 0000 26 − 1 Il en résulte une approximation d’ordre 8 ayant plus de 7 chiffres significatifs. On remarque que la précision augmente à mesure que l’on se déplace vers le bas (car l’ordre de l’approximation augmente) et vers la droite sur une même ligne (car h est divisé par 2 entre chaque valeur). 

Exemple 6.30 Soit une fonction f (x) connue seulement pour quelques valeurs de x. Valeurs d’une fonction tabulée x f (x) x f (x) 0,00 0,3989 0,75 0,3011 0,25 0,3867 1,00 0,2420 0,50 0,3521 On tente d’évaluer :



1

f (x)dx 0

selon la méthode de Romberg. Puisqu’il y a en tout 5 points, on peut utiliser la méthode des trapèzes composée avec 1, 2 et 4 intervalles seulement. On a respectivement : T1,1 = T1,2 = T1,3 =

1 (0,3989 + 0,2420) = 0,320 45 2 1 2

2 1 4

2

(0,3989 + 2(0,3521) + 0,2420) = 0,336 275 (0,3989 + 2(0,3867 + 0,3521 + 0,3011) + 0,2420) = 0,340 0875

322

Chapitre 6

On peut dès lors remplir la première ligne du tableau de la méthode de Romberg. Méthode de Romberg 0,320 4500 0,336 2750 0,340 0875 (ordre 2) 0,341 5500 0,341 3583 (ordre 4) 0,341 3456 (ordre 6) Les autres lignes du tableau sont tirées elles aussi des relations 6.32 et 6.33 : T2,1 =

(22 )(0,336 275) − 0,320 450 = 0,341 5500 22 − 1

T2,2 =

(22 )(0,340 0875) − 0,336 275 = 0,341 3583 22 − 1

T3,1 =

(24 )(0,341 3583) − 0,341 550 = 0,341 3456 24 − 1

On obtient ainsi une approximation d’ordre 6 de l’intégrale.  Remarque 6.31 Dans le cas d’une fonction connue seulement en certains points, comme dans l’exemple précédent, le nombre de points doit être de la forme 2n + 1 pour que la méthode de Romberg puisse s’appliquer. En effet, il faut que le nombre de sous-intervalles soit une puissance de 2. Dans l’exemple précédent, on avait 22 + 1 points et 4 intervalles. 

6.4.3

Quadratures de Gauss-Legendre

Les quadratures de Gauss-Legendre reposent sur un raisonnement différent de celui qui est à la base des méthodes de Newton-Cotes. D’une certaine façon, on cherche à optimiser les schémas d’intégration numérique en choisissant plus judicieusement les points où est évaluée la fonction f (x). Dans le cas où l’évaluation de f (x) est coûteuse en temps de calcul, ces quadratures permettent d’atteindre une grande précision avec relativement peu d’évaluations de f (x). Par exemple, la méthode du trapèze requiert l’évaluation de la fonction f (x) aux deux extrémités de l’intervalle sous la forme : ∫ b (b − a) f (x)dx ≃ (f (a) + f (b)) 2 a Nous avons vu que le degré d’exactitude de cette méthode est 1, car cette quadrature est exacte dans le cas de tout polynôme de degré inférieur ou égal à 1. On peut se demander s’il est possible de trouver deux points situés dans l’intervalle d’intégration ainsi que des coefficients appropriés de telle sorte que l’expression : ∫ b f (x)dx ≃ w1 f (t1 ) + w2 f (t2 ) a

Différentiation et intégration numériques

323

ait un degré d’exactitude supérieur à celui de la méthode du trapèze. Bien sûr, si : (b − a) w1 = w2 = , t1 = a et t2 = b 2 on retrouve la formule du trapèze. Mais est-ce un choix optimal ? Pour répondre à cette question, nous allons dans un premier temps nous restreindre à l’intervalle [−1 , 1], où nous ferons tout le développement. Pour un intervalle quelconque, il suffira d’effectuer le changement de variable : x=

(b − a)t + (a + b) (b − a) et dx = dt 2 2

(6.34)

qui envoie l’intervalle [−1 , 1] sur un intervalle quelconque [a , b]. En effet, le changement de variable 6.34 permet d’écrire que : ) ∫ b ∫ 1 ( ∫ (b − a)t + (a + b) (b − a) (b − a) 1 f (x)dx = f dt = g(t)dt 2 2 2 −1 a −1 (

où : g(t) = f

(b − a)t + (a + b) 2

)

Il est donc toujours possible de revenir à l’intervalle [−1 , 1]. De manière générale, on cherche des expressions de la forme : ∫ 1 n ∑ g(t)dt ≃ wi g(ti ) (6.35) −1

i=1

dont le degré d’exactitude soit le plus élevé possible. Définition 6.32 L’expression 6.35 est appelée quadrature de Gauss-Legendre à n points. Les ti sont appelés points d’intégration, tandis que les coefficients wi sont les poids d’intégration. On choisit les points et les poids d’intégration de façon à ce que la quadrature 6.35 soit exacte dans le cas des polynômes de degré le plus élevé possible. De toute évidence, les points d’intégration ti doivent tous être distincts les uns des autres et les poids d’intégration doivent être non nuls. Puisque tout polynôme de degré m peut s’écrire : pm (t) =

m ∑

ck tk

k=0

il suffit que la relation 6.35 soit exacte successivement pour les monômes g(t) = tk , pour k = 0, 1, 2, · · · , m qui constituent une base de l’espace des polynômes de degré m. On gagne alors à accroître le plus possible le degré m. Le degré maximal atteint dépend du nombre de points d’intégration n. Puisqu’il y a 2n coefficients à déterminer dans l’équation 6.35, il est raisonnable de penser que l’on peut atteindre le degré m = (2n − 1). La valeur de k varie donc entre 0 et 2n − 1.

324

Chapitre 6

Quadrature de Gauss-Legendre à 1 point Cherchons donc une expression de la forme : ∫

1

−1

g(t)dt = w1 g(t1 )

(6.36)

qui soit exacte dans le cas des polynômes de degré le plus élevé possible. Commençons par les polynômes de degré 0. La formule 6.36 doit être exacte pour g(t) = 1, ce qui donne une première équation : ∫

1

−1

1dt = 2 = w1

et l’unique poids d’intégration est déjà déterminé. L’équation 6.35 doit de plus être exacte pour g(t) = t. On trouve donc : ∫

1

−1

tdt = 0 = w1 t1 = 2t1

ce qui entraîne que t1 = 0. Ainsi, la quadrature de Gauss-Legendre à 1 point s’écrit : ∫ 1 g(t)dt ≃ 2g(0) −1

et est exacte pour tout polynôme de degré 1. Remarque 6.33 La quadrature de Gauss-Legendre à 1 point a le même degré d’exactitude (1) que la méthode du trapèze, qui est une formule à 2 points. La quadrature de Gauss-Legendre à 1 point est également connue sous le nom de formule du point milieu. 

Quadrature de Gauss-Legendre à 2 points On doit maintenant déterminer les 4 coefficients inconnus de l’expression : ∫

1

−1

g(t)dt ≃ w1 g(t1 ) + w2 g(t2 )

(6.37)

On remarque immédiatement que t1 doit être différent de t2 et que les deux wi doivent être non nuls. Sinon, on se retrouve avec une formule à 1 point. Il nous faut alors 4 équations qui proviendront de la relation 6.37, où l’on choisit successivement g(t) = 1, g(t) = t, g(t) = t2 et g(t) = t3 . Les 4 équations

Différentiation et intégration numériques résultantes sont :



1

−1



1dt = 2 = w1 + w2

(6.38)

tdt = 0 = w1 t1 + w2 t2

(6.39)

1

−1



1

t2 dt =

2 3

= w1 t21 + w2 t22

(6.40)

t3 dt = 0 = w1 t31 + w2 t32

(6.41)

−1



325

1

−1

et forment un système non linéaire qu’il est heureusement possible de résoudre analytiquement. On multiplie l’équation 6.39 par t21 et l’on soustrait du résultat l’équation 6.41 pour obtenir : w2 t2 (t21 − t22 ) = 0 Pour que ce produit soit nul, il faut que l’un ou l’autre des facteurs s’annule, c’est-à-dire : – w2 = 0. Cette possibilité doit être écartée, car dans ce cas la formule de GaussLegendre à 2 points 6.37 dégénère en une formule à 1 seul point. – t2 = 0. De l’équation 6.39, on tire que w1 = 0 ou t1 = 0, ce qui conduit de nouveau à une formule à 1 point. – t21 = t22 . On en conclut que t1 = −t2 , puisque le cas t1 = t2 conduit encore à une formule à 1 point. Cette conclusion permet d’obtenir les poids d’intégration. En effet, en vertu de l’équation 6.39 : t1 (w1 − w2 ) = 0 et puisque t1 ne peut être nul, w1 = w2 et la relation 6.38 entraîne que : w1 = w2 = 1 Enfin, selon l’équation 6.40, on a : 2 = t21 + t22 = t21 + (−t1 )2 = 2t21 3 √ √ 1 1 ce qui entraîne que t1 = − et t2 = . La formule de Gauss-Legendre à 2 3 3 points s’écrit donc : ( √ ) (√ ) ∫ 1 1 1 g(t)dt ≃ g − +g 3 3 −1 et est exacte dans le cas des polynômes de degré inférieur ou égal à 3.

326

Chapitre 6

Remarque 6.34 Pour un même nombre de points d’intégration, la quadrature de Gauss-Legendre à 2 points a un degré d’exactitude de 3 par comparaison avec 1 pour la méthode du trapèze. Pour un même effort de calcul, on a ainsi une plus grande précision. 

Quadratures de Gauss-Legendre à n points Sans entrer dans les détails, il est possible de déterminer des quadratures de Gauss-Legendre avec un grand nombre de points. Ces quadratures sont particulièrement efficaces et sont utilisées, par exemple, dans la méthode des éléments finis (voir Reddy, réf. [31]). On détermine les 2n coefficients wi et ti en résolvant un système non linéaire de 2n équations que l’on obtient en prenant g(t) = tk pour k = 0, 1, 2, · · · , (2n − 1). On peut également démontrer que les points d’intégration de Gauss-Legendre sont les racines des polynômes de Legendre définis par L0 (x) = 1, L1 (x) = x et par la formule de récurrence : (n + 1)Ln+1 (x) = (2n + 1)xLn (x) − nLn−1 (x) Il est alors facile de démontrer que L2 (x) = 21 (3x2 − 1) dont les racines sont √ ± 13 . En résumé, on a le résultat général suivant. Théorème 6.35 La quadrature de Gauss-Legendre à n points 6.35 est exacte dans le cas des polynômes de degré (2n − 1). Le degré d’exactitude de cette quadrature est donc (2n − 1) et le terme d’erreur est donné par : 22n+1 (n!)4 g (2n) (ξ) où ξ ∈ [−1 , 1] (2n + 1)((2n)!)3

(6.42)

⋆ Le tableau de la figure 6.8 résume les principales quadratures de GaussLegendre (voir Burden et Faires, réf. [5] ; Chapra et Canale, réf. [7] ; Gerald et Wheatly, réf. [20]). Exemple 6.36 On doit évaluer :



1

(4x3 + 3x2 + 2)dx

I= 0

dont la valeur exacte est 4. Il faut d’abord effectuer le changement de variable 6.34 pour obtenir : ) ) ( ) ∫ ( ( ∫ 1 t+1 2 t+1 3 1 1 3 2 4 +3 + 2 dt (4x + 3x + 2)dx = 2 −1 2 2 0

Différentiation et intégration numériques

Quadratures de Gauss-Legendre Points Poids d’intégration d’intégration

n

ti

wi

0

2

1

√ − 3/3 √ + 3/3

1

3

√ − 15/5

5/9

1 2

3

1

0 + 15/5

5/9

(√

) √ − 525 + 70 30 /35 (√ ) √ − 525 − 70 30 /35 (√ ) √ + 525 − 70 30 /35 (√ ) √ + 525 + 70 30 /35 (√

5

) √ − 245 + 14 70 /35 (√ ) √ − 245 − 14 70 /35 (√

0

)

√ 245 − 14 70 /35 (√ ) √ + 245 + 14 70 /35

+

5

8/9



4

Degré d’exactitude

(

18 −

( 18 + ( 18 + (

18 −



) 30 /36



) 30 /36



) 30 /36



) 30 /36

( √ ) 322 − 13 70 /900

7

9

( √ ) 322 + 13 70 /900 128/225 ( √ ) 322 + 13 70 /900 ( √ ) 322 − 13 70 /900

Figure 6.8 – Quadratures de Gauss-Legendre

327

328

Chapitre 6

La formule de Gauss-Legendre à 1 point donne l’approximation : ( ( ) ) ( ) 2 0+1 3 0+1 2 I≃ 4 +3 + 2 = 3,25 2 2 2 Par contre, la quadrature à 2 points donne :   √ 3  √ 2 1 + 1 − 13 + 1 − 1  3  + 3  +2 I≃ 4 2 2 2 √ + 4

I≃

3

√

 + 3

1 3

+1

2



2

 + 2 

 √ 2   √   1 1 1  − 3 + 1    − 3 + 1  4 + 3 + 2  2 2 2

+

1 3

+1

2

2   √  4 

1 3

+1

2







 + 3 + 2 

√ ( √ (  √ ) 4 √ ) 1 1 − 2 − 2 1 1 1  3 3 3  5−2  5−2 + + 4 2 4 3 4 3 

=

+1

2

√

=

1 3

4 3

1 [4 + 4] = 4 2

L’exactitude de ce résultat était prévisible, car la fonction intégrée est de degré 3 et la quadrature de Gauss-Legendre à 2 points est exacte (par construction) pour tout polynôme de degré inférieur ou égal à 3. 

Exemple 6.37 Grâce au changement de variable 6.34, on a : ( ) ∫ π π ∫ 1 2 π(t + 1) 2 sin xdx = sin dt 2 −1 4 0 La quadrature de Gauss-Legendre à 2 points donne l’approximation : ( ( ) ( )) ∫ π 2 π π(t1 + 1) π(t2 + 1) sin xdx ≃ sin + sin 4 4 4 0

Différentiation et intégration numériques

329

π (sin(0,331 948 322) + sin(1,238 848 005)) = 0,998 472 614 4 Si l’on tient compte du fait que l’on a évalué la fonction sin x en seulement deux points, ce résultat est d’une précision remarquable. Par ailleurs, la formule à trois points donne : ( ( ) ( ) ∫ π 2 π π(t1 + 1) π(t2 + 1) sin xdx ≃ w1 sin + w2 sin 4 4 4 0 ( )) π(t3 + 1) + w3 sin 4 =

=

π ((0,555 555 556) sin(0,177 031 362) 4 + (0,888 888 889) sin(0,785 398 164) + (0,555 555 556) sin(1,774 596 669))

= 1,000 008 1821 La formule de Gauss-Legendre à 3 points est donc plus précise que la méthode de Simpson 1/3 simple, qui nécessite en outre l’évaluation de la fonction sin x en trois points. Pour obtenir une précision similaire avec la méthode de Simpson 1/3, nous avons dû utiliser 8 intervalles et donc 9 évaluations de la fonction sin x. 

Exemple 6.38 Soit :

∫ 0

1

1 √ dx x

dont la valeur exacte est 2. On remarque immédiatement que, parmi les méthodes proposées, seules les quadratures de Gauss-Legendre peuvent s’appliquer. En effet, toutes les autres méthodes nécessitent l’évaluation de la fonction 1 x− 2 en x = 0, qui n’est pas définie à cet endroit. On peut prévoir que le calcul de cette intégrale sera difficile. Dans un premier temps, le changement de variable 6.34 donne : √ ∫ 1 ∫ 1 ∫ 1 1 1 2 1 1 √ dx = √ √ dt = dt 2 −1 t+1 2 −1 t + 1 x 0 2

La formule à 2 points donne :   √ ∫ 1  1 2 1 √ 1  = 1,650 680 13 √ dx ≃ √ + √ √  2  x 0 1 − 13 + 1 + 1 3

330

Chapitre 6

La formule à 3 points est légèrement plus précise. En se servant de la table des quadratures de Gauss-Legendre pour établir la valeur des différents coefficients, on obtient : √ ( ) ∫ 1 1 2 1 1 1 √ dx ≃ w1 √ + w2 √ + w3 √ = 1,750 863 166 2 x t1 + 1 t2 + 1 t3 + 1 0 La précision demeure insatisfaisante, mais il faut admettre qu’il s’agit d’un problème difficile. Les quadratures de Gauss-Legendre à 4 ou à 5 points amélioreraient encore la qualité des résultats.  Remarque 6.39 Les quadratures de Gauss-Legendre permettent d’évaluer des intégrales avec une grande précision. Toutefois, chaque fois que l’on change l’ordre de la quadrature, les points ti et les poids wi d’intégration changent eux aussi. Il devient alors à peu près impossible d’utiliser une technique d’extrapolation comme la méthode de Romberg. 

6.4.4

Intégration à l’aide des splines

Si la spline constitue une bonne approximation d’une fonction f (x) connue seulement en quelques points, elle peut également servir pour calculer l’intégrale de cette fonction. On obtientra ainsi une expression voisine de celle qui caractérise la méthode des trapèzes composée, à laquelle s’ajoute une approximation du terme d’erreur de cette méthode. Pour y arriver, on se base sur l’approximation suivante : ∫ a

b

f (x)dx ≃

n−1 ∑ ∫ xi+1 i=0

pi (x)dx

xi

où pi (x) est le polynôme de degré 3 de la spline dans l’intervalle [xi , xi+1 ]. L’expression de ce polynôme est bien sûr (voir l’équation 5.27) : pi (x) = fi + fi′ (x − xi ) +

fi′′ (x − xi )2 fi′′′ (x − xi )3 + 2! 3!

En intégrant ce polynôme, on obtient : ∫

b

f (x)dx ≃

a

n−1 ∑{ i=0

=

f ′ (x − xi )2 fi′′ (x − xi )3 fi′′′ (x − xi )4 fi x + i + + 2! 3! 4!

n−1 ∑{ i=0

f ′ h2 f ′′ h3 f ′′′ h4 fi hi + i i + i i + i i 2! 3! 4!

}

}xi+1 xi

Différentiation et intégration numériques

331

On remplace fi , fi′ et fi′′′ par les expressions 5.40. 

=

n−1 ∑ i=0



hi f (xi ) +

( f [xi , xi+1 ] −

hi fi′′ 3



′′ hi fi+1 6

2!

)

h2i

+

fi′′ h3i 3!

′′ −f ′′ (fi+1 i )

+

hi

4!

 h4i  

En simplifiant et en rappelant que f [xi , xi+1 ] = (f (xi+1 ) − f (xi ))/hi , on obtient l’approximation suivante de l’intégrale de f (x) dans l’intervalle [a , b] = [x0 , xn ] : } ∫ b n−1 ∑ { hi h3i ′′ ′′ f (x)dx ≃ (f (xi ) + f (xi+1 )) − (fi + fi+1 ) (6.43) 2 24 a i=0

Dans le cas où les abscisses xi sont équidistantes (hi = h), on peut simplifier davantage l’expression précédente pour obtenir : ∫ b h [f (x0 ) + 2(f (x1 ) + f (x2 ) + · · · + f (xn−1 )) + f (xn )] f (x)dx ≃ 2 a − f0′′

h3 ′′ ′′ (f + 2(f1′′ + f2′′ + · · · + fn−1 ) + fn′′ ) 24 0

fn′′

(6.44)

Puisque = = 0 dans le cas de la spline naturelle, on a : ∫ b h f (x)dx ≃ [f (x0 ) + 2(f (x1 ) + f (x2 ) + · · · + f (xn−1 )) + f (xn )] 2 a −

) h3 ( ′′ ′′ f1 + f2′′ + · · · + fn−1 12

(6.45) Ce résultat mérite quelques commentaires. En effet, cette approximation de l’intégrale comporte deux termes. Le premier terme n’est autre que l’expression de la méthode des trapèzes composée. Le deuxième terme est une approximation du terme d’erreur lié à cette même méthode. En effet, l’erreur d’approximation de la méthode du trapèze simple est donnée pour chaque intervalle [xi , xi+1 ] par : f ′′ (ηi ) 3 h où ηi ∈ [xi , xi+1 ] pour i = 0, 1, · · · , n − 1 12 La position exacte du point ηi étant inconnue, on lui attribue la valeur de xi . −

Remarque 6.40 La méthode du trapèze utilise un polynôme de degré 1 dans [xi , xi+1 ]. On peut interpréter le deuxième terme de droite de l’équation 6.45 comme étant une correction due à la courbure de la fonction f (x) dans cet intervalle. Dans le cas général, on utilise l’expression 6.43 pour faire l’approximation de l’intégrale à l’aide de la spline. Si les abscisses xi sont équidistantes, on utilise de préférence l’expression 6.44 qui se réduit à l’expression 6.45 dans le cas d’une spline naturelle. 

332

Chapitre 6

6.5

Applications

6.5.1

Courbe des puissances classées

La courbe des puissances classées d’un service d’électricité (par exemple Hydro-Québec) représente la proportion de l’année où la demande d’électricité atteint ou dépasse une puissance donnée (en gigawatt ou GW). Plus la puissance est grande, plus petite est la proportion de l’année où la demande dépasse cette valeur. Ainsi, la puissance maximale n’est atteinte que pendant une infime portion de l’année, généralement durant les grands froids de l’hiver. Cette courbe est par définition décroissante. L’aire sous cette courbe est tout simplement l’énergie totale E vendue au cours de l’année. Cette donnée est donc importante pour l’entreprise en question. On a en main les données suivantes relatives à une certaine année de référence.

Puissances classées Proportion Puissance Proportion Puissance de l’année (GW) de l’année (GW) 0,0 30 0,8 18 0,1 29 0,9 15 0,2 24 1,0 0 0,5 19 Pour obtenir l’aire sous la courbe et donc l’énergie, il suffit d’intégrer dans l’intervalle [0 , 1]. Comme les abscisses ne sont pas également distancées, il faut être prudent quant au choix de la méthode d’intégration. Pour obtenir la plus grande précision possible, il est souhaitable de diviser l’intervalle d’intégration en 3 parties et d’utiliser la méthode de Simpson 1/3. Les 3 sous-intervalles sont [0 , 0,2] où h = 0,1, [0,2 , 0,8] où h = 0,3 et [0,8 , 1,0] où h = 0,1. On a alors : E =

0,1 0,3 0,1 (30 + 116 + 24) + (24 + 76 + 18) + (18 + 60 + 0) 3 3 3

= 20,0666 gigawatts-années = 175,784 gigawatts-heures = 6,33 × 108 gigawatts-secondes = 6,33 × 1017 joules = 633 pétajoules

6.5.2

Puissance électrique d’un ordinateur

Un ordinateur personnel est alimenté à une tension e(t) de 120 V et à une fréquence f de 60 Hz. Plus précisément : √ e(t) = 2 120 cos(2πf t) que représente la figure 6.9 (voir IEEE, réf. [22]). Le courant i(t) est ensuite mesuré par un analyseur de puissance qui prend typiquement 256 mesures par période T = f1 = 0,0166 s. La figure 6.9 illustre ces mesures. Malgré les

Différentiation et intégration numériques

333

200

e(t) (V)

150 100 50 0 -50 -100 -150 -200 0

0,002 0,004 0,006 0,008 0,01 0,012 0,014 0,016 0,018

Temps (s) i(t) (A)

4 3 2 1 0 -1 -2 -3 -4 0

0,002 0,004 0,006 0,008 0,01 0,012 0,014 0,016 0,018

Temps (s) Figure 6.9 – Tension e(t) et courant mesuré i(t) petites oscillations, qui sont dues aux erreurs de mesure, on a une assez bonne représentation du signal. La puissance P (en watt ou W) tirée du réseau est alors définie par : 1 P = T



T

e(t)i(t)dt 0

qui est une valeur très importante à connaître en pratique. Pour évaluer P , on utilise une méthode de Simpson 1/3 composée avec 256 sous-intervalles, c’est-à-dire : T = 0,65 × 10−4 h= 256 On obtient ainsi P = 119,90 W. Dans ce cas particulier, il n’est pas nécessaire de chercher à obtenir une précision extrême de la valeur de P , car les données mesurées sont elles-mêmes imprécises.

334

Chapitre 6

6.6

Exercices

1. À partir du polynôme de degré 2 passant par les points (x0 , f (x0 )), (x1 , f (x1 )) et (x2 , f (x2 )), obtenir les formules aux différences avant, centrée et arrière d’ordre 2 pour le calcul de f ′ (x). 2. À partir de la relation 6.5, obtenir les termes d’erreur pour les différences d’ordre 2 obtenues à l’exercice précédent. 3. Évaluer la dérivée de f (x) = ex en x = 0 à l’aide des différences avant et arrière d’ordre 2. Prendre h = 0,05 et h = 0,025 et calculer le rapport des erreurs commises. Obtenir une approximation encore plus précise de f ′ (0) à l’aide de l’extrapolation de Richardson. 4. À l’aide des développements de Taylor appropriés, obtenir l’expression du terme d’erreur lié à la différence centrée d’ordre 2 permettant de faire l’approximation de f ′ (x) (voir l’équation 6.13). Montrer que ce terme d’erreur ne fait intervenir que les puissances paires de h. Que conclure au sujet de l’extrapolation de Richardson dans ce cas ? 5. À partir des données suivantes : Fonction tabulée x 1,00 1,01 1,02 f (x) 1,27 1,32 1,38 calculer les approximations de f ′ (1,005), f ′ (1,015) et f ′′ (1,01) à l’aide des formules de différences centrées. Si les valeurs de f (x) sont précises à ±0,005, quelle est l’erreur maximale sur chacune des approximations ? 6. Un polynôme p(x) de degré 2 est tel que p(0) = 1, p(1) = 7 et p(2) = 17. a) Calculer p′ (1) exactement sans calculer p(x). b) Pouvez-vous faire de même pour calculer p′′ (x), où x est arbitraire ? c) Déterminer p(x) par la méthode de votre choix et comparer sa dérivée en x = 1 avec la valeur trouvée en a). 7. On donne le tableau suivant des valeurs d’une fonction f (x) : Fonction tabulée x f (x) x f (x) 2,7 10,2720,9350 3,025 10,152 708 53 2,9 10,188 543 49 3,1 10,137 470 96 3,0 10,158 837 43 3,2 10,124 539 27 Sachant que f ′ (3) = −0,255 605 459 076 443, comparer la précision des différentes formules d’ordre 2 que vous pouvez utiliser à partir de ces données. ) 1 ( √ x 1 − x2 + arcsin(x) . Pour x0 = 0,5, calculer des 8. Soit f (x) = 2 approximations de f ′ (x0 ) par la formule de différence arrière d’ordre 2 (voir le tableau 6.11) avec h = 0,1, 0,05, 0,025, 0,0125 et 0,00625. Dans chacun des cas, calculer l’erreur exacte en valeur absolue. Cette erreur se comporte-telle en O(h2 ) ?

Différentiation et intégration numériques

335

9. Obtenir la formule de différence centrée d’ordre 4 (voir l’équation 6.15) permettant de faire l’approximation de f ′′ (x). Bien identifier le polynôme d’interpolation qui est nécessaire. 10. Intégrer les polynômes de degré 1, 2 et 3 respectivement permettant d’obtenir les formules du trapèze simple, de Simpson 1/3 simple et de Simpson 3/8 simple. Bien préciser l’intervalle sur lequel porte l’intégra0) tion et utiliser le changement de variable s = (x−x . h ∫ b 11. Soit f (x) une fonction convexe. L’approximation de f (x) dx fournie a

par la méthode des trapèzes composée est-elle plus grande ou plus petite que la valeur exacte ? Rappel : une fonction est convexe si f ′′ (x) ≥ 0. 12.

1

On note f (x) = cos2 (x) + 2 sin(x) et on vérifie facilement que : ∫ 2π I= f (x) dx = π 0

a) Dans la formule des trapèzes composée, combien de points d’intégration faudrait-il prendre pour obtenir I à 10−8 près. b) Calculer le tableau de la méthode de Romberg obtenu dans ce cas avec un maximum de 16 sous-intervalles et commenter sur la convergence respective de chacune des lignes. Ce comportement estil conforme à la théorie ? 13. Intégrer la fonction f (x) = ex dans l’intervalle [0 , 1] en utilisant la méthode des trapèzes composée avec 4 puis avec 8 intervalles. Utiliser l’extrapolation de Richardson avec les deux valeurs obtenues pour atteindre une valeur plus précise. Quel est l’ordre de cette nouvelle approximation ? Comparer les résultats avec la valeur exacte. 14. Refaire le même exercice en utilisant cette fois la méthode de Simpson 1/3 composée. 15. Utiliser la méthode de Simpson 3/8 avec 6 intervalles pour évaluer : ∫ 9 √ xdx 1

Comparer le résultat avec la valeur exacte. ∫2 16. Si on approche I = 1 ln x dx par la formule de Simpson 1/3, l’approximation sera-t-elle plus grande ou plus petite que I ? Répondre à cette question sans calculer d’approximation. 17. Utiliser la méthode de Boole avec 8 intervalles pour évaluer : ∫ π 4 sec xdx 0

Comparer le résultat avec la valeur exacte. 1. Les exercices précédés du symbole nécessitent l’utilisation d’un ordinateur. Pour R qui possède faciliter la tâche de programmation, nous recommandons le logiciel Matlab⃝ toutes les fonctionnalités de base nécessaires à l’apprentissage des méthodes numériques.

336

Chapitre 6

18. Soit la fonction suivante. Fonction tabulée x f (x) x f (x) 0,00 1,570 796 327 0,75 0,722 734 248 0,25 1,318 116 072 1,00 0,000 000 000 0,50 1,047 197 551 ∫ Évaluer

1

f (x)dx à l’aide de la méthode de Romberg. 0

19. Donner les expressions complètes de T1,1 et de T1,2 dans l’intervalle [a , b]. Montrer que l’extrapolation de Richardson : 4T1,2 − T1,1 3 donne le même résultat que la méthode de Simpson 1/3 simple. (En général, l’extrapolation de Richardson : 4T1,i+1 − T1,i 3 donne le même résultat que la méthode Simpson 1/3 avec 2i intervalles). ∫ 1 dx . 20. On considère 0 1+x a) Donner la valeur exacte de cette intégrale. b) Calculer les valeurs de T1,i jusqu’à ce que : |T1,i+1 − T1,i | < 0,005 |T1,i+1 |

21.

c) À partir des résultats obtenus en b), déterminer la valeur de l’intégrale à l’aide de la méthode de Romberg. d) Sans faire de calculs supplémentaires, donner le résultat que l’on obtiendrait à l’aide de la méthode de Simpson 1/3 avec 8 intervalles. ∫ 2π √ L’intégrale elliptique I = 1 + sin2 t dt = 7,640 396 représente 0

la longueur totale de la courbe elliptique d’équation x2 + 2y 2 = 2. a) Augmenter le nombre d’intervalles avec la méthode de Simpson 1/3 composée jusqu’à obtenir la valeur de I ci-dessus. Combien de points faut-il ? √ b) Posons f (t) = 1 + sin2 t. Tracer le graphe de la fonction f (4) (t). Utiliser cette information pour déduire une borne supérieure de f (4) (t) dans [0, 2π] c) Déterminer théoriquement le pas h à utiliser dans la méthode de Simpson 1/3 afin d’obtenir une précision de 10−6 . Déduire le nombre de points de subdivisions de l’intervalle. Comparer votre réponse avec la sous-question a).

Différentiation et intégration numériques ∫ 2 22. Utiliser une méthode numérique pour évaluer ln xdx.

337

0

23. Quelle serait l’erreur d’approximation si l’on utilisait la quadrature de Gauss-Legendre à 3 points pour évaluer : ∫ 3 (3x5 + 7x2 + x + 1)dx 0

24. On désire développer une nouvelle formule d’intégration numérique dans l’intervalle [0 , 3h] de la forme : ∫ 3h f (x)dx ≃ af (h) + bf (2h) 0

a) Déterminer les valeurs des constantes a et b de telle sorte que cette quadrature soit exacte dans le cas de tout polynôme de degré inférieur ou égal à 1. ∫ 3 dx b) Calculer à l’aide de cette quadrature. 0 1+x c) Calculer l’intégrale donnée en b) à l’aide de la formule de Simpson 1/3 simple. d) Selon l’écart entre les résultats et la valeur exacte, déterminer le nombre de chiffres significatifs des valeurs obtenues en b) et en c). Conclure brièvement. 25. À l’aide d’une certaine méthode d’intégration numérique, on a évalué ∫ π 2 I = sin xdx en utilisant 3 valeurs différentes de h. On a obtenu les 0

résultats suivants. Valeurs de I h I 0,1 1,001 235 0,2 1,009 872 0,4 1,078 979 Compte tenu de la valeur exacte de I, déduire l’ordre de convergence de la quadrature employée. ( )) ( ∫ x0 +h h 2h f (x0 ) + 3f x0 + 26. Soit l’approximation f (x)dx ≃ 4 3 x0 ( ) 2h a) Obtenir le développement de Taylor de f x0 + 3 jusqu’à l’ordre 5 et proposer une nouvelle expression du terme de droite. b) Obtenir un développement de Taylor d’ordre 5 du terme de gauche. Suggestion : Poser f (x) = f (x0 + (x − x0 )) pour effectuer le développement de Taylor. Par la suite, intégrer les premiers termes de ce développement. c) Soustraire les expressions obtenues en a) et en b) pour obtenir le premier terme de l’erreur. En déduire l’ordre de la méthode proposée.

338

Chapitre 6

d) Quel est le degré d’exactitude de cette méthode ? 27. Soit la différence centrée : f ′′ (x) ≃

f (x + h) − 2f (x) + f (x − h) h2

a) Obtenir l’ordre de cette approximation en utilisant les développements de Taylor appropriés (conserver les termes jusqu’au degré 7 dans les développements de Taylor de façon à en déduire les 2 premiers termes de l’erreur). b) Utiliser cette formule de différence pour obtenir une approximation de f ′′ (2,0) pour la fonction tabulée suivante, en prenant d’abord h = 0,2 et ensuite h = 0,1. Fonction x f (x) 1,8 1,587 7867 1,9 1,641 8539 2,0 1,693 1472

tabulée x f (x) 2,1 1,741 9373 2,2 1,788 4574

c) À partir des 2 approximations obtenues en b), obtenir une nouvelle approximation de f ′′ (2,0) qui soit plus précise. Préciser l’ordre de cette nouvelle approximation. ∫ 2,2 d) Évaluer f (x)dx par la méthode de Romberg et préciser l’ordre 1,8 de chaque approximation obtenue. 28. Une voiture roulant à 60 km/h accélère au temps t = 0 s et sa vitesse v en km/h est mesurée régulièrement : Vitesse en fonction du temps ti [s] 0,0 0,5 1,0 1,5 2,0 v[km/h] 60,0 68,4 75,5 82,2 89,4 N.B. Attention aux unités de chaque variable dans cet exercice. a) En utilisant le meilleur polynôme de degré 2 possible, obtenir une approximation de la vitesse (en km/h) à t = 1,2 s. b) Obtenir l’expression analytique de l’erreur d’interpolation commise en a). c) Obtenir une approximation de cette erreur à t = 1,2 s. d) En vous servant au besoin plusieurs fois de la différence centrée : f ′ (x) ≃

f (x + h) − f (x − h) 2h

obtenir une approximation de l’accélération a (en m/s2 ) à t = 1,0 s et qui soit la plus précise possible. Donner l’ordre de précision de l’approximation obtenue.

Différentiation et intégration numériques

339

e) Évaluer la distance parcourue d (en m) dans l’intervalle de temps [0 , 2,0] par la méthode la plus précise possible. Préciser l’ordre de votre approximation. 29. Déterminer les constantes a0 , a1 et a2 pour que la formule de quadrature : ( ) ( ) ∫ 1 1 1 f (t)dt ≃ a0 f − + a1 f (0) + a2 f 2 2 −1 soit de degré d’exactitude le plus élevé possible. Donner ce degré d’exactitude. 30. Déterminer les poids d’intégration w1 et w2 ainsi que le point d’intégration t2 de sorte que la formule de quadrature dite de Gauss-Radau : ∫

1

−1

f (t)dt ≃ w1 f (−1) + w2 f (t2 )

soit de degré d’exactitude le plus élevé possible. Donner ce degré d’exactitude. 31. Trouver A, B, C pour que la formule d’intégration numérique : ( ) ∫ 1 1 + Cf (1) f (x) dx ≈ Af (0) + Bf 3 0 soit exacte pour tous les polynômes de degré au plus 2. En déduire le degré d’exactitude de la formule obtenue ? 32. On veut calculer l’intégrale de Fresnel définie par : ∫

1

sin(π 2 x2 ) dx = 0,245 942 678 726 044

F = 0

a) Pour ce faire, on divise [0, 1] en quatre sous-intervalles et on applique sur chacun d’eux la formule de Gauss-Legendre à 3 nœuds. Écrire la forme de la quadrature obtenue pour une fonction f générale, puis calculer la valeur de F demandée. Combien d’évaluations de l’intégrant avez-vous dû faire ? b) Combien de nœuds devriez-vous utiliser avec la formule des trapèzes composée pour obtenir une précision comparable à celle obtenue en a) ? Serait-ce avantageux ? 33. L’intégrale elliptique : ∫ I=





1 + sin2 x dx = 7,640 395 578 055 424 035

0

est souvent rencontrée dans les applications. Utiliser la formule de GaussLegendre à 4 points, à l’aide du tableau de la figure 6.8, pour obtenir une approximation de I. Quel serait le résultat obtenu avec la formule de Simpson en utilisant 5 nœuds ?

340 34.

Chapitre 6 a) Montrer que la formule de différentiation numérique : f ′ (x0 ) ≃

−f (x0 + 2h) + 8f (x0 + h) − 8f (x0 − h) + f (x0 − 2h) 12h

peut être obtenue à partir de la formule de différence centrée d’ordre 2 et en utilisant l’extrapolation de Richardson. b) Déterminer numériquement l’ordre de cette formule de différences en considérant la fonction f (x) = ex au point x0 = 0 et en utilisant successivement h = 0,1 et h = 0,3 (comparer avec la valeur exacte pour déterminer les erreurs commises). 35. Soit une fonction aléatoire X suivant une loi normale. La probabilité que X soit inférieure ou égale à x (notée P (X ≤ x)) est donnée par la fonction : ∫ x t2 1 P (X ≤ x) = √ e− 2 dt 2π −∞ t2

Comme la fonction e− 2 n’a pas de primitive, on calcule cette probabilité pour différentes valeurs de x et l’on garde les résultats dans des tables comme celle-ci : Valeurs de x P (X ≤ x) 1,0 0,841 3447 1,1 0,864 3339 1,2 0,884 9303

P (X ≤ x) x P (X ≤ x) 1,3 0,903 1995 1,4 0,919 2433

a) Calculer, toujours en vous servant de la table fournie, la dérivée P ′ (X ≤ 1,2) avec une précision d’ordre 4. Comparer avec la valeur exacte de cette dérivée. b) Calculer, toujours en vous servant de la table fournie, la dérivée P ′′ (X ≤ 1,2) avec une précision d’ordre 2. 36. La loi de Fourier pour le refroidissement d’un corps s’écrit : T ′ (t) = −k(T (t) − T∞ )

(6.46)

où T∞ est la température du milieu ambiant et k est la diffusivité thermique. Pour un bille métallique initialement chauffée à une température de 90 o C et plongée dans de l’eau à 20 o C, on a obtenu les résultats suivants : Température en fonction du temps t(min) 5 10 15 20 25 T (o C) 62,5 45,8 35,6 29,5 25,8 À l’aide de ces mesures et de la relation (6.46), donner une approximation d’ordre 4 de la diffusivité thermique k.

Chapitre 7

Équations différentielles 7.1

Introduction

La résolution numérique des équations différentielles est probablement le domaine de l’analyse numérique où les applications sont les plus nombreuses. Que ce soit en mécanique des fluides, en transfert de chaleur ou en analyse de structures, on aboutit souvent à la résolution d’équations différentielles, de systèmes d’équations différentielles ou plus généralement d’équations aux dérivées partielles. Le problème du pendule abordé au chapitre 1 trouvera ici une solution numérique qui sera par la suite analysée et comparée à d’autres solutions approximatives ou quasi analytiques. Parmi leurs avantages, les méthodes numériques permettent d’étudier des problèmes complexes pour lesquels on ne connaît pas de solution analytique, mais qui sont d’un grand intérêt pratique. Dans ce chapitre comme dans les précédents, les diverses méthodes de résolution proposées sont d’autant plus précises qu’elles sont d’ordre élevé. Nous amorçons l’exposé par des méthodes relativement simples ayant une interprétation géométrique. Elles nous conduiront progressivement à des méthodes plus complexes telles les méthodes de Runge-Kutta d’ordre 4, qui permettent d’obtenir des résultats d’une grande précision. Nous considérons principalement les équations différentielles avec conditions initiales, mais nous ferons une brève incursion du côté des équations différentielles avec conditions aux limites par le biais des méthodes de tir et de différences finies. Nous prenons comme point de départ la formulation générale d’une équation différentielle d’ordre 1 avec condition initiale. La tâche consiste à déterminer une fonction y(t) solution de : { ′ y (t) = f (t, y(t)) (7.1) y(t0 ) = y0 La variable indépendante t représente très souvent (mais pas toujours) le temps. La variable dépendante est notée y et dépend bien sûr de t. La fonction f est pour le moment une fonction quelconque de deux variables que nous supposons suffisamment différentiable. La condition y(t0 ) = y0 est la condition initiale et en quelque sorte l’état de la solution au moment où l’on commence à s’y intéresser. Il s’agit d’obtenir y(t) pour t ≥ t0 , si l’on cherche une so-

342

Chapitre 7

lution analytique, ou une approximation de y(t), si l’on utilise une méthode numérique. Définition 7.1 L’équation différentielle 7.1 est dite d’ordre 1, car seule la dérivée d’ordre 1 de la variable dépendante y(t) est présente. Si des dérivées de y(t) d’ordre 2 apparaissaient dans l’équation différentielle 7.1, on aurait une équation d’ordre 2, et ainsi de suite. Commençons par présenter quelques exemples d’équations différentielles avec condition initiale. Exemple 7.2 Soit l’équation différentielle du premier ordre : { ′ y (t) = t y(0) = 1

(7.2)

Voilà certainement l’un des exemples les plus simples que l’on puisse imaginer. En intégrant de chaque côté, on obtient : ∫ ∫ ′ y (t)dt = tdt c’est-à-dire :

t2 +C 2 où C est une constante. Cette dernière expression est la solution générale de l’équation différentielle en ce sens qu’elle satisfait y ′ (t) = t, quelle que soit la constante C. Pour déterminer la constante C, il suffit d’imposer la condition initiale : y(0) = 1 = C y(t) =

La solution particulière est alors : t2 +1 2 qui vérifie à la fois l’équation différentielle et la condition initiale.  y(t) =

Exemple 7.3 Soit l’équation différentielle : {

y ′ (t) = ty(t) y(1) = 2

(7.3)

Il ne suffit pas dans ce cas d’intégrer les deux côtés de l’équation pour obtenir la solution. On doit d’abord séparer les variables en écrivant par exemple : dy dt

= t y(t) qui devient

dy y

= tdt

Équations différentielles

343

Les variables étant séparées, on peut maintenant faire l’intégration : ln y =

t2 t2 + C ou encore y(t) = Ce 2 2

qui est la solution générale. On obtient la solution particulière en imposant la condition initiale : 1 y(1) = 2 = Ce 2 ce qui signifie que : C = 2e− 2 1

et donc que la solution particulière est : y(t) = 2e

(t2 −1) 2

 Les ouvrages de Simmons (réf. [33]) et de Derrick et Grossman (réf. [11]) contiennent d’autres exemples d’équations différentielles. Notre propos concerne plutôt les méthodes numériques de résolution de ces équations différentielles. À cet égard, nous suivons l’approche de Burden et Faires (réf. [5]), notamment en ce qui concerne la notion d’erreur de troncature locale qui indique l’ordre de précision de la méthode utilisée. Avec les outils numériques de résolution d’équations différentielles, il n’est plus possible d’obtenir une solution pour toutes les valeurs de la variable indépendante t. On obtient plutôt une approximation de la solution analytique seulement à certaines valeurs de t notées ti et distancées d’une valeur hi = ti+1 − ti . Dans la plupart des méthodes présentées, cette distance est constante pour tout i et est notée h. On appelle h le pas de temps. Remarque 7.4 On note y(ti ) la solution analytique de l’équation différentielle 7.1 en t = ti . On note yi la solution approximative en t = ti obtenue à l’aide d’une méthode numérique. 

7.2

Méthode d’Euler explicite

La méthode d’Euler explicite est de loin la méthode la plus simple de résolution numérique d’équations différentielles ordinaires. Elle possède une belle interprétation géométrique et son emploi est facile. Toutefois, elle est relativement peu utilisée en raison de sa faible précision. On la qualifie d’explicite car car elle ne nécessite pas de résolution d’équation non linéaire contrairement à la méthode d’Euler dite implicite que nous verrons plus loin (voir la section 7.8.1). Reprenons l’équation différentielle 7.1 et considérons plus attentivement la condition initiale y(t0 ) = y0 . Le but est maintenant d’obtenir une approximation de la solution en t = t1 = t0 + h. Avant d’effectuer la première itération, il

344

Chapitre 7

faut déterminer dans quelle direction on doit avancer à partir du point (t0 , y0 ) pour obtenir le point (t1 , y1 ), qui est une approximation du point (t1 , y(t1 )). Nous n’avons pas l’équation de la courbe y(t), mais nous en connaissons la pente y ′ (t) en t = t0 . En effet, l’équation différentielle assure que : y ′ (t0 ) = f (t0 , y(t0 )) = f (t0 , y0 ) On peut donc suivre la droite passant par (t0 , y0 ) et de pente f (t0 , y0 ). L’équation de cette droite, notée d0 (t), est : d0 (t) = y0 + f (t0 , y0 )(t − t0 ) et est illustrée à la figure 7.1. En t = t1 , on a : d0 (t1 ) = y0 + f (t0 , y0 )(t1 − t0 ) = y0 + hf (t0 , y0 ) = y1 En d’autres termes, d0 (t1 ) est proche de la solution analytique y(t1 ), c’est-àdire : y(t1 ) ≃ y1 = d0 (t1 ) = y0 + hf (t0 , y0 ) Il est important de noter que, le plus souvent, y1 ̸= y(t1 ). Cette inégalité n’a rien pour étonner, mais elle a des conséquences sur la suite du raisonnement. En effet, si l’on souhaite faire une deuxième itération et obtenir une approximation de y(t2 ), on peut refaire l’analyse précédente à partir du point (t1 , y1 ). On remarque cependant que la pente de la solution analytique en t = t1 est : y ′ (t1 ) = f (t1 , y(t1 )) On ne connaît pas exactement y(t1 ), mais on possède l’approximation y1 de y(t1 ). On doit alors utiliser l’expression : y ′ (t1 ) = f (t1 , y(t1 )) ≃ f (t1 , y1 ) et construire la droite (fig. 7.1) : d1 (t) = y1 + f (t1 , y1 )(t − t1 ) qui permettra d’estimer y(t2 ). On constate que l’erreur commise à la première itération est réintroduite dans les calculs de la deuxième itération. On a alors : y(t2 ) ≃ y2 = d1 (t2 ) = y1 + hf (t1 , y1 ) Remarque 7.5 Le développement qui précède met en évidence une propriété importante des méthodes numériques de résolution des équations différentielles. En effet, l’erreur introduite à la première itération a des répercussions sur les calculs de la deuxième itération, ce qui signifie que les erreurs se propagent d’une itération à l’autre. Il en résulte de façon générale que l’erreur : |y(tn ) − yn | augmente légèrement avec n. 

Équations différentielles

345

y(t) (inconnue)

d1 (t) (t2 , y(t2 )) (t1 , y(t1 )) (t0 , y(t0 ))

d0 (t)

(t1 , y1 )

h t0

(t2 , y2 )

h t1

t2

Figure 7.1 – Méthode d’Euler explicite On en arrive donc à l’algorithme suivant. Algorithme 7.6 : Méthode d’Euler explicite 1. Étant donné un pas de temps h, une condition initiale (t0 , y0 ) et un nombre maximal d’itérations N 2. Pour 0 ≤ n ≤ N : yn+1 = yn + hf (tn , yn ) tn+1 = tn + h Écrire tn+1 et yn+1 3. Arrêt N

Exemple 7.7 Soit l’équation différentielle (voir Fortin et Pierre, réf. [18]) : y ′ (t) = −y(t) + t + 1 et la condition initiale y(0) = 1. On a donc t0 = 0 et y0 = 1 et l’on prend un pas de temps h = 0,1. De plus, on a : f (t, y) = −y + t + 1 On peut donc utiliser la méthode d’Euler explicite et obtenir successivement des approximations de y(0,1), y(0,2), y(0,3) · · · , notées y1 , y2 , y3 · · · . Le premier pas de temps produit : y1 = y0 + hf (t0 , y0 ) = 1 + 0,1f (0 , 1) = 1 + 0,1(−1 + 0 + 1) = 1

346

Chapitre 7

Le deuxième pas de temps fonctionne de manière similaire : y2 = y1 + hf (t1 , y1 ) = 1 + 0,1f (0,1 , 1) = 1 + 0,1(−1 + 0,1 + 1) = 1,01 On parvient ensuite à : y3 = y2 + hf (t2 , y2 ) = 1,01 + 0,1f (0,2 , 1,01) = 1,01 + 0,1(−1,01 + 0,2 + 1) = 1,029 Le tableau suivant rassemble les résultats des dix premiers pas de temps. La solution analytique de cette équation différentielle est y(t) = e−t + t, ce qui permet de comparer les solutions numérique et analytique et de constater la croissance de l’erreur. On peut aussi comparer les résultats à la figure 7.2.

ti 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Méthode d’Euler explicite : y ′ (t) = −y(t) + t + 1 y(ti ) yi |y(ti ) − yi | 1,000 000 1,000 000 0,000 000 1,004 837 1,000 000 0,004 837 1,018 731 1,010 000 0,008 731 1,040 818 1,029 000 0,011 818 1,070 302 1,056 100 0,014 220 1,106 531 1,090 490 0,016 041 1,148 812 1,131 441 0,017 371 1,196 585 1,178 297 0,018 288 1,249 329 1,230 467 0,018 862 1,306 570 1,287 420 0,019 150 1,367 879 1,348 678 0,019 201

 Les résultats précédents nous amènent à parler de précision et donc d’erreur. La figure 7.2 montre une légère différence entre la solution numérique et la solution analytique. On peut se demander comment se comporte cette erreur en fonction du pas de temps h. La définition qui suit aidera à apporter une réponse. Elle s’applique à la plupart des méthodes étudiées dans ce chapitre. Définition 7.8 Une méthode de résolution d’équations différentielles est dite à un pas si elle est de la forme : yn+1 = yn + hϕ(tn , yn ) (7.4) où ϕ est une fonction quelconque. Une telle relation est appelée équation aux différences. La méthode est à un pas si, pour obtenir la solution en t = tn+1 , on doit utiliser la solution numérique au temps tn seulement. On désigne méthodes à pas multiples les méthodes qui exigent également la solution numérique aux temps tn−1 , tn−2 , tn−3 · · · .

Équations différentielles

347

1,40

Solution analytique Solution numérique (h = 0,1)

1,35 1,30 1,25 1,20 1,15 1,10 1,05 1,00 0

0,2

0,4

0,6

0,8

1,0

Figure 7.2 – Méthode d’Euler explicite : y ′ (t) = −y(t) + t + 1 pour y(0) = 1

La méthode d’Euler explicite est bien sûr une méthode à un pas où ϕ(t, y) = f (t, y). Dans ce chapitre, l’attention est principalement portée sur les méthodes à un pas. Nous pouvons maintenant définir l’ordre de convergence de ces méthodes. Définition 7.9 On dira qu’un schéma à un pas converge à l’ordre p si : max |y(tn ) − yn | = O(hp )

1≤n≤N

(7.5)

où N est le nombre total de pas de temps. L’ordre de convergence d’une méthode à un pas dépend de l’erreur commise à chaque pas de temps via l’erreur de troncature locale que nous allons maintenant définir. Définition 7.10 L’erreur de troncature locale au point t = tn est définie par : τn+1 (h) =

y(tn+1 ) − y(tn ) − ϕ(tn , y(tn )) h

(7.6)

L’erreur de troncature locale mesure la précision avec laquelle la solution analytique vérifie l’équation aux différences 7.4.

348

Chapitre 7

Remarque 7.11 Il est très important de noter que l’on utilise la solution exacte y(tn ) (et non yn ) dans la définition de l’erreur de troncature locale (voir l’équation 7.6). Cela s’explique par le fait que l’on cherche à mesurer l’erreur introduite par l’équation aux différences à un pas donné, en supposant que la méthode était exacte jusque-là. 

Remarque 7.12 L’erreur de troncature locale ne suffit pas à établir l’ordre de convergence d’une méthode à un pas. Pour pouvoir conclure, il faut introduire la zéro-stabilité (voir Asher et Petzold, réf. [2]), notion qui se situe hors des objectifs de ce livre d’introduction. On peut en effet montrer que si l’erreur de troncature locale est d’ordre p et si le schéma est zéro-stable, alors le schéma converge à l’ordre p. Dans ce qui suit, tous les schémas présentés seront supposés zéro-stables de telle sorte que l’ordre de l’erreur de troncature locale 7.6 correspondra à l’ordre de convergence de la méthode au sens de la relation 7.5.  Examinons plus avant le cas de la méthode d’Euler explicite(ϕ(t, y) = f (t, y)). Ici encore, l’outil de travail est le développement de Taylor. En effectuant un développement autour du point t = tn , on trouve : y(tn+1 ) = y(tn + h) = y(tn ) + y ′ (tn )h +

y ′′ (tn )h2 + O(h3 ) 2

= y(tn ) + f (tn , y(tn ))h +

y ′′ (tn )h2 + O(h3 ) 2

puisque y ′ (tn ) = f (tn , y(tn )). L’erreur de troncature locale 7.6 devient donc : τn+1 (h) =

y ′′ (tn )h y(tn+1 ) − y(tn ) − f (tn , y(tn )) = + O(h2 ) h 2

ou plus simplement τn+1 (h) = O(h) et la méthode d’Euler explicite converge donc à l’ordre 1 (p = 1 dans la relation 7.5). Exemple 7.13 On tente de résoudre l’équation différentielle : y ′ (t) = f (t, y) = −y(t) + t + 1 en prenant successivement h = 0,1, 0,05 et 0,025. On compare les résultats numériques à la solution analytique à la figure 7.3. On voit nettement diminuer d’un facteur 2 l’écart entre la solution analytique et la solution numérique chaque fois que le pas de temps h est divisé par 2. Ces résultats confirment que la méthode d’Euler explicite converge à l’ordre 1. 

Équations différentielles

349

1,40 1,35 1,30 1,25 1,20 1,15 1,10 1,05 1

0

0,2

0,4

0,6

0,8

1,0

1,26

h = 0,025

1,24 1,22

Solution analytique

1,20 1,18

h = 0,05

1,16 1,14 1,12 0,60

h = 0,1 0,65

0,70

0,75

0,80

Figure 7.3 – Méthode d’Euler explicite : h = 0,1 , h = 0,05 et h = 0,025

350

7.3

Chapitre 7

Méthodes de Taylor

Le développement de Taylor autorise une généralisation immédiate de la méthode d’Euler, qui permet d’obtenir des algorithmes dont l’erreur de troncature locale est d’ordre plus élevé. Nous nous limitons cependant à la méthode de Taylor du second ordre. On cherche, au temps t = tn , une approximation de la solution en t = tn+1 . On a immédiatement : y(tn+1 ) = y(tn + h) = y(tn ) + y ′ (tn )h +

y ′′ (tn )h2 + O(h3 ) 2

En se servant de l’équation différentielle 7.1, on trouve : y(tn+1 ) = y(tn ) + f (tn , y(tn ))h +

f ′ (tn , y(tn ))h2 + O(h3 ) 2

Dans la relation précédente, on voit apparaître la dérivée de la fonction f (t, y(t)) par rapport au temps. La règle de dérivation en chaîne (voir par exemple Thomas et Finney, réf. [35]) assure que : f ′ (t, y(t)) =

∂f (t, y(t)) ∂f (t, y(t)) ′ + y (t) ∂t ∂y

c’est-à-dire : f ′ (t, y(t)) =

∂f (t, y(t)) ∂f (t, y(t)) + f (t, y(t)) ∂t ∂y

On obtient donc : y(tn+1 ) = y(tn ) + hf (tn , y(tn )) ) ∂f (tn , y(tn )) ∂f (tn , y(tn )) + f (tn , y(tn )) + O(h3 ) ∂t ∂y (7.7) En négligeant les termes d’ordre supérieur ou égal à 3, on en arrive à poser : +

h2 2

(

y(tn+1 ) ≃ y(tn ) + hf (tn , y(tn )) h2 + 2

(

) ∂f (tn , y(tn )) ∂f (tn , y(tn )) + f (tn , y(tn )) ∂t ∂y

(7.8)

qui sera à la base de la méthode de Taylor. Remarque 7.14 Il importe de préciser l’ordre de troncature locale de cette méthode. Dans ce cas, suivant la notation 7.4, on a : ) ( h ∂f (t, y(t)) ∂f (t, y(t)) + f (t, y(t)) ϕ(t, y(t)) = f (t, y(t)) + 2 ∂t ∂y

Équations différentielles

351

En vertu de la relation 7.7 et de la définition de l’erreur de troncature locale 7.6, il est facile de montrer que : τn+1 (h) = O(h2 ) L’erreur de troncature locale de la méthode de Taylor est d’ordre 2 et la méthode converge à l’ordre 2 (p = 2 dans la relation 7.5).  En remplaçant y(tn ) par yn dans l’équation 7.8, on arrive à l’algorithme de la méthode de Taylor d’ordre 2. Algorithme 7.15 : Méthode de Taylor d’ordre 2 1. Étant donné un pas de temps h, une condition initiale (t0 , y0 ) et un nombre maximal d’itérations N 2. Pour 0 ≤ n ≤ N : ( ) h2 ∂f (tn , yn ) ∂f (tn , yn ) yn+1 = yn + hf (tn , yn ) + + f (tn , yn ) 2 ∂t ∂y tn+1 = tn + h Écrire tn+1 et yn+1 3. Arrêt N Remarque 7.16 Dans cet algorithme, on a remplacé la solution analytique y(tn ) par son approximation yn dans la relation 7.8. On en conclut que les erreurs se propageront ici encore d’un pas de temps à l’autre. 

Exemple 7.17 Soit l’équation différentielle déjà résolue par la méthode d’Euler : y ′ (t) = −y(t) + t + 1 et la condition initiale y(0) = 1. Dans ce cas : f (t, y) = −y + t + 1 de même que

∂f ∂f = 1 et = −1 ∂t ∂y

L’algorithme devient : yn+1 = yn + h(−yn + tn + 1) +

h2 (1 + (−1)(−yn + tn + 1)) 2

La première itération de la méthode de Taylor d’ordre 2 donne (avec h = 0,1) : y1 = 1 + 0,1(−1 + 0 + 1) +

(0,1)2 (1 + (−1)(−1 + 0 + 1)) = 1,005 2

352

Chapitre 7

Une deuxième itération donne : y2 = 1,005 + 0,1(−1,005 + 0,1 + 1) + = 1,019 025

(0,1)2 (1 + (−1)(−1,005 + 0,1 + 1)) 2

Les résultats sont compilés dans le tableau qui suit.

ti 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Méthode de Taylor : y ′ (t) = −y(t) + t + 1 y(ti ) yi |y(ti ) − yi | 1,000 000 1,000 000 0,000 000 1,004 837 1,005 000 0,000 163 1,018 731 1,019 025 0,000 294 1,040 818 1,041 218 0,000 400 1,070 302 1,070 802 0,000 482 1,106 531 1,107 075 0,000 544 1,148 812 1,149 404 0,000 592 1,196 585 1,197 210 0,000 625 1,249 329 1,249 975 0,000 646 1,306 570 1,307 228 0,000 658 1,367 879 1,368 541 0,000 662

On remarque que l’erreur est plus petite avec la méthode de Taylor d’ordre 2 qu’avec la méthode d’Euler explicite. Comme on le verra plus loin, cet avantage des méthodes d’ordre plus élevé vaut pour l’ensemble des méthodes de résolution d’équations différentielles.  Remarque 7.18 Il est possible d’obtenir des méthodes de Taylor encore plus précises en poursuivant le développement de Taylor 7.7 jusqu’à des termes d’ordre élevé. On doit alors évaluer les dérivées de la fonction f (t, y(t)) d’ordre de plus en plus élevé, ce qui nécessite le calcul supplémentaire de : ∂2f ∂2f ∂2f ∂ i+j f , , , · · · , ∂t2 ∂y 2 ∂t∂y ∂ti ∂y j Pour cette raison, les méthodes obtenues sont difficiles à utiliser. Il existe cependant un moyen de contourner cette difficulté en développant les méthodes de Runge-Kutta. 

Exemple 7.19 Soit l’équation différentielle : {

y ′ (t) = ty(t) y(1) = 2

(7.9)

Équations différentielles 2 −1)/2

dont on connaît la solution exacte y(t) = 2e(t 1, y0 = 2 et : f (t, y) = ty de même que

353

. On a dans ce cas t0 =

∂f ∂f = y et =t ∂t ∂y

L’algorithme de la méthode de Taylor devient alors : yn+1 = yn + htn yn +

h2 (yn + tn (tn yn )) 2

Avec h = 0,5, la première itération donne : y1 = 2 + 0,5((1)(2)) + 0,125 (2 + 1 ((1)(2))) = 3,5 La solution analytique est y(1,5) = 3,736 492. Une deuxième itération donne : y2 = 3,5 + 0,5 ((1,5)(3,5)) + 0,125 (3,5 + 1,5 ((1,5)(3,5))) = 7,546 875 qui à son tour correspond à la solution analytique y(2) = 8,963 378. On constate une erreur assez importante, qui est attribuable à la grande taille du pas de temps h. En effet, si l’on réduit la taille de h, l’erreur devrait diminuer en O(h2 ), car la méthode est d’ordre 2. Cela signifie que, si h est suffisamment petit, la diminution de h par un facteur de 2 réduit l’erreur selon un facteur approximatif de 4. Cependant, lorsqu’on diminue la valeur de h, il faut faire davantage d’itérations pour atteindre le but. Le tableau qui suit regroupe les approximations de y(2) pour différentes valeurs de h. On y indique également le nombre d’itérations i requis pour obtenir ces approximations. Par exemple, si h = 0,5, il faut faire deux itérations pour atteindre t = 2 à partir de t = 1. De même, si h = 0,25, il faut 4 itérations, et ainsi de suite. On remarque qu’entre chaque ligne du tableau la valeur de h est diminuée selon un facteur de 2, ce qui devrait abaisser l’erreur selon un facteur de 4 puisque la méthode est d’ordre 2. Ce facteur de 4 apparaît lorsque h est suffisamment petit. Convergence de la méthode de Taylor : y ′ (t) = ty(t) h i yi |y(2) − yi | Rapport 0,500 0000 2 7,546 875 1,417 00 — 0,250 0000 4 8,444 292 0,519 00 2,72 0,125 0000 8 8,804 926 0,158 00 3,27 0,062 5000 16 8,919 646 0,043 70 3,61 0,031 2500 32 8,951 901 0,011 40 3,80 0,015 6250 64 8,960 439 0,002 90 3,87 0,007 8125 128 8,962 635 0,000 74 3,90 L’avant-dernière colonne du tableau donne l’erreur absolue commise, tandis que la dernière colonne indique le rapport entre l’erreur liée à la valeur de h précédente et celle liée à sa valeur actuelle. On voit bien que l’erreur a tendance à diminuer selon un facteur de 4. 

354

7.4

Chapitre 7

Méthodes de Runge-Kutta

Il serait avantageux de disposer de méthodes d’ordre de plus en plus élevé tout en évitant les désavantages des méthodes de Taylor, qui nécessitent l’évaluation des dérivées partielles de la fonction f (t, y). Une voie est tracée par les méthodes de Runge-Kutta, qui sont calquées sur les méthodes de Taylor du même ordre.

7.4.1

Méthodes de Runge-Kutta d’ordre 2

On a vu que le développement de la méthode de Taylor passe par la relation 7.7 : y(tn+1 ) = y(tn ) + hf (tn , y(tn )) ) ∂f (tn , y(tn )) ∂f (tn , y(tn )) + f (tn , y(tn )) + O(h3 ) ∂t ∂y (7.10) Le but est de remplacer cette dernière relation par une expression équivalente possédant le même ordre de précision (O(h3 )). On propose la forme : h2 + 2

(

y(tn+1 ) = y(tn ) + a1 hf (tn , y(tn )) (7.11) + a2 hf (tn + a3 h, y(tn ) + a4 h) où l’on doit déterminer les paramètres a1 , a2 , a3 et a4 de telle sorte que les expressions 7.10 et 7.11 aient toutes deux une erreur en O(h3 ). On ne trouve par ailleurs aucune dérivée partielle dans cette expression. Pour y arriver, on doit recourir au développement de Taylor en deux variables (voir la section 1.6.2) autour du point (tn , y(tn )). On a ainsi : f (tn + a3 h, y(tn ) + a4 h) = f (tn , y(tn )) + a3 h + a4 h

∂f (tn , y(tn )) ∂t

∂f (tn , y(tn )) + O(h2 ) ∂y

La relation 7.11 devient alors : y(tn+1 ) = y(tn ) + (a1 + a2 )hf (tn , y(tn )) + a2 a3 h2

∂f (tn , y(tn )) ∂f (tn , y(tn )) + a2 a4 h2 + O(h3 ) ∂t ∂y

(7.12)

On voit immédiatement que les expressions 7.10 et 7.12 sont du même ordre. Pour déterminer les coefficients ai , il suffit de comparer ces deux expressions terme à terme : – coefficients respectifs de f (tn , y(tn )) : h = (a1 + a2 )h ∂f (tn , y(tn )) h2 : = a2 a3 h2 – coefficients respectifs de ∂t 2

Équations différentielles – coefficients respectifs de

355

∂f (tn , y(tn )) h2 : f (tn , y(tn )) = a2 a4 h2 ∂y 2

On obtient ainsi un système non linéaire de 3 équations comprenant 4 inconnues :  1 = (a1 + a2 )     1 = a2 a3 (7.13) 2    f (t , y(t )) n n  = a2 a4 2 Le système 7.13 est sous-déterminé en ce sens qu’il y a moins d’équations que d’inconnues et qu’il n’a donc pas de solution unique. Cela offre une marge de manœuvre qui favorise la mise au point de plusieurs variantes de la méthode de Runge-Kutta. Voici le choix le plus couramment utilisé. Méthode d’Euler modifiée 1 a1 = a2 = , a3 = 1 et a4 = f (tn , y(tn )) 2 On établit sans peine que ces coefficients satisfont aux trois équations du système non linéaire 7.13. Il suffit ensuite de remplacer ces valeurs dans l’équation 7.11. Pour ce faire, on doit négliger le terme en O(h3 ) et remplacer la valeur exacte y(tn ) par son approximation yn . On obtient alors l’algorithme suivant. Algorithme 7.20 : Méthode d’Euler modifiée 1. Étant donné un pas de temps h, une condition initiale (t0 , y0 ) et un nombre maximal d’itérations N 2. Pour 0 ≤ n ≤ N : yˆ = yn + hf (tn , yn ) h yn+1 = yn + (f (tn , yn ) + f (tn + h, yˆ)) 2 tn+1 = tn + h Écrire tn+1 et yn+1 3. Arrêt N Remarque 7.21 Pour faciliter les calculs, l’évaluation de yn+1 a été scindée en deux étapes. La variable temporaire yˆ correspond tout simplement à une itération de la méthode d’Euler explicite. On fait ainsi une prédiction yˆ de la solution en tn+1 qui est corrigée (et améliorée) à la deuxième étape de l’algorithme. On parle alors d’une méthode de prédiction-correction. 

356

Chapitre 7

Exemple 7.22 Soit :

y ′ (t) = −y(t) + t + 1

et la condition initiale y(0) = 1. On choisit le pas de temps h = 0,1. – Premier pas de temps : yˆ = 1 + 0,1(−1 + 0 + 1) = 1 qui est le résultat obtenu à l’aide de la méthode d’Euler explicite. La deuxième étape donne : y1 = 1 + 0,05((−1 + 0 + 1) + (−1 + 0,1 + 1)) = 1,005 – Deuxième pas de temps : De même, la première étape de la deuxième itération donne : yˆ = 1,005 + 0,1(−1,005 + 0,1 + 1) = 1,0145 La correction conduit à son tour à : y2 = 1,005 + 0,05((−1,005 + 0,1 + 1) + (−1,0145 + 0,2 + 1)) = 1,019 025 On retrouve ainsi les mêmes résultats qu’avec la méthode de Taylor d’ordre 2. Cette similitude est exceptionnelle et est due au fait que les dérivées partielles d’ordre supérieur ou égal à 2 de la fonction f (t, y) sont nulles. On peut montrer dans ce cas particulier que les méthodes de Taylor et d’Euler modifiée sont parfaitement équivalentes. Ce n’est pas toujours le cas.  Une autre méthode de Runge-Kutta d’ordre 2 qui est très utilisée est la méthode du point milieu, qui correspond au choix suivant des coefficients ai . Méthode du point milieu 1 f (tn , y(tn )) et a4 = 2 2 En remplaçant ces valeurs des coefficients ai dans l’équation 7.11, on obtient l’algorithme suivant. a1 = 0, a2 = 1, a3 =

Algorithme 7.23 : Méthode du point milieu 1. Étant donné un pas de temps h, une condition initiale (t0 , y0 ) et un nombre maximal d’itérations N 2. Pour 0 ≤ n ≤ N : k1 = hf (tn , yn ) ( ( )) h k1 yn+1 = yn + h f tn + , yn + 2 2 tn+1 = tn + h Écrire tn+1 et yn+1

Équations différentielles

357

3. Arrêt N Remarque 7.24 L’algorithme précédent illustre bien pourquoi cette méthode est dite du point milieu. On remarque en effet que la fonction f (t, y) est évaluée au point milieu de l’intervalle [tn , tn+1 ].  Remarque 7.25 Les méthodes d’Euler modifiée et du point milieu étant du même ordre de troncature locale, leur précision est semblable. D’autres choix sont possibles pour les coefficients ai , mais nous nous limitons aux deux précédents. 

7.4.2

Méthode de Runge-Kutta d’ordre 4

En reprenant le développement de Taylor de la fonction f , mais cette fois jusqu’à l’ordre 5, un raisonnement similaire à celui qui a mené aux méthodes de Runge-Kutta d’ordre 2 aboutit à un système de 8 équations non linéaires comprenant 10 inconnues (voir Scheid, réf. [32]). Le résultat final est la méthode de Runge-Kutta d’ordre 4, qui représente un outil d’une grande utilité. Algorithme 7.26 : Méthode de Runge-Kutta d’ordre 4 1. Étant donné un pas de temps h, une condition initiale (t0 , y0 ) et un nombre maximal d’itérations N 2. Pour 0 ≤ n ≤ N : k1 = hf (tn , yn ) ( ) h k1 k2 = hf tn + , yn + 2 2 ( ) h k2 k3 = hf tn + , yn + 2 2 k4 = hf (tn + h, yn + k3 ) 1 yn+1 = yn + (k1 + 2k2 + 2k3 + k4 ) 6 tn+1 = tn + h Écrire tn+1 et yn+1 3. Arrêt N Remarque 7.27 La méthode de Runge-Kutta d’ordre 4 est très fréquemment utilisée en raison de sa grande précision qui est mise en évidence dans l’exemple suivant. 

358

Chapitre 7

Exemple 7.28 Soit de nouveau l’équation différentielle : y ′ (t) = −y(t) + t + 1

(y(0) = 1)

Il suffit maintenant d’évaluer les différentes constantes ki . À la première itération (h = 0,1), on a : k1 k2 k3 k4

= = = =

0,1f (0 , 1) 0,1f (0 + 0,05 , 1 + 0) 0,1f (0 + 0,05 , 1 + 0,0025) 0,1f (0 + 0,1 , 1 + 0,004 75)

= = = =

0,1(−1 + 1) 0,1(−1 + 1,05) 0,1(−1,0025 + 1,05) 0,1(−1,004 75 + 1,1)

= = = =

0 0,005 0,004 75 0,009 525

ce qui entraîne que : 1 y1 = 1 + (0 + 2(0,005) + 2(0,0045) + 0,009 525) = 1,004 8375 6 Une deuxième itération produit : k1 = 0,1f (0,1 , 1,004 8375) = 0,1(−1,004 8375 + 0,1 + 1) = 0,009 516 25 k2 = 0,1f (0,15 , 1,009 595 625) = 0,1(−1,009 595 625 + 0,15 + 1) = 0,014 040 438 k3 = 0,1f (0,15 , 1,011 857 719) = 0,1(−1,011 857 719 + 0,15 + 1) = 0,013 814 2281 k4 = 0,1f (0,2 , 1,018 651 728) = 0,1(−1,018 651 728 + 0,2 + 1) = 0,018 134 8272 ce qui entraîne que : 1 y2 = 1,004 8375 + (k1 + 2k2 + 2k3 + k4 ) = 1,018 730 9014 6 Le tableau qui suit compare les solutions numérique et exacte et donne l’erreur absolue.

ti 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Méthode de Runge-Kutta d’ordre 4 : y ′ (t) = −y(t) + t + 1 y(ti ) yi |y(ti ) − yi | 1,0 1,0 0,0 1,004 837 4180 1,004 837 5000 0,819 × 10−7 1,018 730 7798 1,018 730 9014 0,148 × 10−6 1,040 818 2207 1,040 818 4220 0,210 × 10−6 1,070 320 0460 1,070 320 2889 0,242 × 10−6 1,106 530 6597 1,106 530 9344 0,274 × 10−6 1,148 811 6361 1,148 811 9343 0,298 × 10−6 1,196 585 3034 1,196 585 6186 0,314 × 10−6 1,249 328 9641 1,249 329 2897 0,325 × 10−6 1,306 569 6598 1,306 579 9912 0,331 × 10−6 1,367 879 4412 1,367 879 7744 0,333 × 10−6

Équations différentielles

359

On constate que l’erreur se situe autour de 10−6 , ce qui se compare avantageusement avec les erreurs obtenues à l’aide de méthodes d’ordre moins élevé. On remarque également une légère croissance de l’erreur au fil des itérations, ce qui indique encore une fois une propagation de l’erreur d’une itération à l’autre.  Il est intéressant de comparer sur une base aussi rigoureuse que possible les différentes méthodes vues jusqu’à maintenant. On a constaté que plus l’ordre d’une méthode est élevé, plus cette méthode est précise. Par contre, plus l’ordre de la méthode est élevé, plus elle est coûteuse en temps de calcul. Par exemple, la méthode d’Euler explicite (d’ordre 1) ne nécessite qu’une seule évaluation de la fonction f (t, y) à chaque pas de temps, alors que la méthode d’Euler modifiée (d’ordre 2) en demande 2 et que la méthode de Runge-Kutta d’ordre 4 exige 4 évaluations de la même fonction. En d’autres termes, la méthode de Runge-Kutta d’ordre 4 demande à peu près deux fois plus de calculs que la méthode d’Euler modifiée et quatre fois plus que la méthode d’Euler explicite. Il est raisonnable de se demander s’il n’est pas préférable d’utiliser la méthode d’Euler explicite avec un pas de temps 4 fois plus petit ou la méthode d’Euler modifiée d’ordre 2 avec un pas de temps 2 fois plus petit, plutôt que de se servir de la méthode de Runge-Kutta d’ordre 4. L’exemple qui suit permet de comparer les différentes méthodes sur une base plus équitable. Exemple 7.29 On considère l’équation différentielle habituelle : y ′ (t) = −y(t) + t + 1

(y(0) = 1)

On recourt à 3 méthodes de résolution : la méthode d’Euler explicite avec un pas h = 0,025, la méthode d’Euler modifiée avec h = 0,05 et la méthode de Runge-Kutta d’ordre 4 avec h = 0,1. Ces valeurs de h permettent de comparer ces 3 méthodes sur la base de coûts de calculs à peu près équivalents. Le tableau suivant présente les résultats obtenus en t = 1 pour ces différents choix. La valeur exacte de la solution est y(1) = 1,367 879 4412. Comparaison des différentes méthodes y ′ (t) = −y(t) + t + 1 Méthode h Nombre de pas Résultat Euler explicite 0,025 40 1,363 232 374 17 Euler modifiée 0,05 20 1,368 038 621 67 Runge-Kutta 0,1 10 1,367 879 774 41

: Erreur 0,464 × 10−2 0,159 × 10−3 0,333 × 10−6

Les résultats sont éloquents. Même en prenant un pas de temps quatre fois plus petit, la méthode d’Euler explicite reste très imprécise par rapport à celle de Runge-Kutta d’ordre 4. On peut porter le même jugement sur la méthode d’Euler modifiée. Il est donc généralement préférable d’utiliser des méthodes d’ordre aussi élevé que possible. 

360

Chapitre 7

7.4.3

Contrôle de l’erreur

Nous n’avons considéré jusqu’à maintenant que des méthodes de résolution à pas de temps h fixé dès le départ. Ces méthodes sont certes très utiles, mais souffrent de 2 inconvénients majeurs : – il faut déterminer le pas de temps h un peu au hasard ; – il n’y a aucun contrôle sur la précision des résultats. Il est cependant important dans certaines situations de bien contrôler la précision des résultats numériques. Ce sera le cas lorsque la solution d’un problème présente de très brusques variations dans certaines régions. Une valeur donnée du pas de temps h peut s’avérer tout à fait adéquate dans certaines régions et trop grande (ou trop petite) ailleurs. L’idée est alors de se servir du pas de temps h pour contrôler la précision. Si la solution présente des variations brusques, on prendra un pas de temps plus petit et on l’augmentera éventuellement là où la solution varie plus lentement. La famille des méthodes de Runge-Kutta se prête parfaitement à cet exercice. Tout comme pour les méthodes de Runge-Kutta d’ordre 2 (section 7.4.1), on sait qu’il existe toute une famille de méthodes de Runge-Kutta d’ordre 4, 5 et même plus. Nous en avons vu une variante d’ordre 4 à la section 7.4.2. Il existe cependant une combinaison particulièrement utile due à Fehlberg [15] et que nous allons maintenant décrire. On définit en premier lieu les 6 constantes suivantes : k1 = hf (ti , yi ) ( ) 1 1 k2 = hf ti + h, yi + k1 4 4 ) ( 3 9 3 k3 = hf ti + h, yi + k1 + k2 8 32 32 ( ) 12 1932 7200 7296 k4 = hf ti + h, yi + k1 − k2 + k3 13 2197 2197 2197 ( ) 439 3680 845 k5 = hf ti + h, yi + k1 − 8k2 + k3 − k4 216 513 4104 ( ) 1 8 3544 1859 11 k6 = hf ti + h, yi − k1 + 2k2 − k3 + k4 − k5 2 27 2565 4104 40 À l’aide de ces constantes ki , on construit une première méthode de RungeKutta d’ordre 4 (τn+1 (h) = O(h4 )) : ) ( 1408 2197 1 25 k1 + k3 + k4 − k5 = yn + hϕ(tn , yn ) yn+1 = yn + 216 2565 4104 5 et une deuxième d’ordre 5 (˜ τn+1 (h) = O(h5 )) : ( ) 16 6656 28 561 9 2 ˜ n , yn ) y˜n+1 = yn + k1 + k3 + k4 − k5 + k6 = yn +hϕ(t 135 12 825 56 430 50 55

Équations différentielles

361

qui sont 2 approximations d’ordres différents de la même quantité. L’intérêt de cette combinaison de deux méthodes est qu’elle ne requiert le calcul que de 6 constantes ki au total, et ce, pour les deux approximations. La méthode de base sera celle d’ordre 4 et l’on se servira de la méthode d’ordre 5 pour contrôler la valeur du pas de temps h et par le fait même l’erreur. Nous supposerons dans ce qui suit que l’algorithme débute à partir d’une valeur yn exacte, c’est-à-dire yn = y(tn ). Cette hypothèse est importante, car elle suppose qu’aucune erreur n’a été accumulée jusqu’au pas de temps tn . Puisque nous avons supposé que yn = y(tn ), on a : y(tn+1 ) − yn+1 = y(tn+1 ) − yn − hϕ(tn , yn ) = y(tn+1 ) − y(tn ) − hϕ(tn , y(tn )) = hτn+1 (h) = O(h5 ) De même, on montre que : y(tn+1 ) − y˜n+1 = h˜ τn+1 (h) = O(h6 ) On en déduit que : y(tn+1 ) − yn+1 = (y(tn+1 ) − y˜n+1 ) + (˜ yn+1 − yn+1 ) et donc que :

hτn+1 (h) = h˜ τn+1 (h) + (˜ yn+1 − yn+1 )

ou encore :

(˜ yn+1 − yn+1 ) h En regardant de chaque côté de l’égalité, on constate que : τn+1 (h) = τ˜n+1 (h) +

O(h4 ) = O(h5 ) +

(˜ yn+1 − yn+1 ) h

Pour que l’égalité puisse avoir lieu, il faut que : τn+1 (h) ≃

(˜ yn+1 − yn+1 ) = O(h4 ) h

et l’on en conclut que la partie la plus importante de l’erreur commise fait tout simplement intervenir la différence entre les approximations d’ordre 4 et 5. On en conclut également que la quantité E définie par : ( ) 1 1 128 2197 1 2 (˜ yn+1 − yn+1 ) = k1 − k3 − k4 + k5 + k6 E= h h 360 4275 75 240 50 55 (7.14) est déterminante pour contrôler l’erreur ou plus précisément pour contrôler l’erreur de troncature locale. En effet, pour une précision tol spécifiée à l’avance, on calcule l’approximation 7.14 et l’on modifie h de manière à rencontrer le critère de précision. Cela signifie que la valeur de h sera augmentée si l’erreur

362

Chapitre 7

constatée est très petite et sera diminuée si l’erreur est jugée trop grande. Pour y arriver, rappelons que : τn+1 (h) = C(h)4 ≃ E On remplace alors h par βh de sorte que : τn+1 (βh) = C(βh)4 = tol En faisant le quotient des deux dernières relations, on a : ( )1/4 tol tol 4 β ≃ ou encore β ≃ E E ce qui nous donne le facteur de réduction (ou d’augmentation si β > 1) souhaité du pas de temps h. Pour plus de sécurité, on peut introduire un facteur 2 supplémentaire de sorte que : ( ) ( )1/4 tol 1/4 tol β≃ ≃ 0,8 (7.15) 2E E ce qui donne une meilleure assurance d’atteindre la précision désirée. On remplace ainsi la valeur actuelle de h par une nouvelle quantité βh. En pratique, on évitera de diminuer (ou d’augmenter) trop fortement la valeur de h en lui fixant une valeur maximale. On peut prendre par exemple hmax = (tf − t0 )/16 où tf est le temps final que l’on souhaite atteindre. Le facteur 16 est arbitraire, mais semble donner de bons résultats en pratique. De même, on peut prendre h = hmax /8 comme valeur initiale du pas de temps. Ainsi, l’algorithme résultant n’exige pas de donner cette valeur initiale puisqu’on la détermine automatiquement. Exemple 7.30 Un parachutiste de masse m = 70 kg tombe en chute libre à partir d’une vitesse initiale nulle. L’air exerce une friction proportionnelle à sa vitesse avec un coefficient de proportionnalité cf estimé à 13 kg/s. Au bout de 10 secondes, il ouvre son parachute et, heureusement pour lui, le coefficient de friction passe à cf = 50 kg/s. On modélise facilement ce problème par l’équation différentielle : cf dv(t) dv(t) = m g − cf v(t) ou encore = g − v(t) dt dt m avec la condition initiale v(0) = 0. Ce problème n’a rien de particulièrement difficile puisqu’on peut aisément le résoudre analytiquement. La solution présente cependant des caractéristiques intéressantes pour illustrer le contrôle de l’erreur. On remarque en effet une variation brusque de la solution en t = 10 au moment où le parachute s’ouvre. Le pas de temps à ce moment se doit d’être très petit. Par la suite, la vitesse devient à peu près constante et le pas de temps peut augmenter. C’est ce que l’on observe à la figure 7.4. Pour obtenir ces résultats, on a choisi une précision tol = 10−2 . On remarque que la valeur du pas de temps diminue au moment où le parachute s’ouvre (là où la solution varie rapidement) pour ensuite augmenter et se stabiliser vers sa valeur maximale. C’est le comportement attendu !  m

Équations différentielles

363

50

Vitesse

40 30 20 10 0

0

5

10

15

20

25 t

30

35

40

45

50

0

5

10

15

20

25 t

30

35

40

45

50

2.5

Pas de temps

2 1.5 1 0.5 0

Figure 7.4 – Contrôle du pas de temps pour le problème du parachutiste

7.5

Méthodes à pas multiples

Il existe une autre approche de résolution des équations différentielles qui a donné naissance à une famille de méthodes dites à pas multiples. L’idée de base de ces méthodes consiste à intégrer l’équation différentielle y ′ (t) = f (t, y(t)) dans l’intervalle [tn , tn+1 ] : ∫

tn+1





tn+1

f (u, y(u))du d’où y(tn+1 ) = y(tn )+

y (u)du = tn



tn+1

tn

f (u, y(u))du tn

Cela nous amène à un algorithme de la forme : ∫

tn+1

yn+1 = yn +

f (u, y(u))du

(7.16)

tn

Il reste à trouver une approximation de l’intégrale présente dans le membre de droite. Pour y arriver, on utilise une interpolation de la fonction f (u, y(u)) à partir des valeurs de y(u) calculées aux itérations précédentes. On note fn = f (tn , yn ) l’approximation de f (tn , y(tn )). Il est alors possible de construire une table de différences divisées pour cette fonction et d’effectuer l’interpolation par la méthode de Newton (voir l’équation 5.6). Une première approche consiste à utiliser la table de différences divisées suivante.

364

Chapitre 7 Première table de différences finies tn

fn

tn−1

fn−1

f [tn , tn−1 ] f [tn , tn−1 , tn−2 ] f [tn , tn−1 , tn−2 , tn−3 ]

f [tn−1 , tn−2 ] tn−2

fn−2

tn−3

fn−3

f [tn−1 , tn−2 , tn−3 ] f [tn−2 , tn−3 ]

On peut au besoin prolonger cette table. Le polynôme d’interpolation s’écrit : pn (t) = fn + f [tn , tn−1 ](t − tn ) + f [tn , tn−1 , tn−2 ](t − tn )(t − tn−1 ) + f [tn , tn−1 , tn−2 , tn−3 ](t − tn )(t − tn−1 )(t − tn−2 ) + · · · (7.17) On peut évaluer la fonction f (t, y(t)) au moyen de ce polynôme dans l’intervalle [tn , tn+1 ]. L’évaluation de pn (t) ne requiert que des valeurs connues provenant des pas de temps antérieurs. On peut aussi utiliser la table de différences divisées suivante.

Deuxième table de différences finies tn+1

fn+1

tn

fn

f [tn+1 , tn ] f [tn+1 , tn , tn−1 ] f [tn , tn−1 ] tn−1

fn−1

tn−2

fn−2

f [tn+1 , tn , tn−1 , tn−2 ] f [tn , tn−1 , tn−2 ]

f [tn−1 , tn−2 ]

Le polynôme correspondant est : p∗n (t) = fn+1 + f [tn+1 , tn ](t − tn+1 ) + f [tn+1 , tn , tn−1 ](t − tn+1 )(t − tn ) + f [tn+1 , tn , tn−1 , tn−2 ](t − tn+1 )(t − tn )(t − tn−1 ) + · · · (7.18) On remarque immédiatement que l’évaluation de p∗n (t) requiert la connaissance préalable de fn+1 = f (tn+1 , yn+1 ). Or, on ne connaît pas encore yn+1 . Nous verrons plus loin comment contourner cette difficulté. Considérons d’abord le polynôme pn (t). En augmentant successivement le degré du polynôme, on obtient des approximations de plus en plus précises que l’on peut insérer dans la relation 7.16. Par exemple, si l’on utilise le polynôme de degré 0, on a l’approximation f (t, y(t)) ≃ p0 (t) = fn et l’on trouve : ∫

tn+1

yn+1 = yn + tn

fn du = yn + (tn+1 − tn )fn = yn + hf (tn , yn )

Équations différentielles

365

qui n’est rien d’autre que l’expression de la méthode d’Euler explicite. En utilisant maintenant un polynôme de degré 1, on a l’approximation : f (t, y(t)) ≃ p1 (t) = fn + f [tn , tn−1 ](t − tn ) En insérant cette expression dans l’équation 7.16, on obtient : ∫ tn+1 yn+1 = yn + (fn + f [tn , tn−1 ](u − tn ))du tn

= yn + (tn+1 − tn )fn + = yn +

(fn − fn−1 ) (tn+1 − tn )2 (tn − tn−1 ) 2

h (3fn − fn−1 ) 2

ou encore :

h (3f (tn , yn ) + f (tn−1 , yn−1 )) 2 Dans l’équation précédente, on a posé h = tn − tn−1 , ce qui suppose que le pas de temps est constant. On remarque qu’il s’agit d’une méthode à deux pas, en ce sens que pour obtenir yn+1 on doit utiliser yn et yn−1 . Les méthodes vues jusqu’à maintenant (Euler, Taylor, Runge-Kutta, etc.) étaient à un pas. On pourrait continuer ainsi en utilisant des polynômes de degré 2, 3, etc. En substituant ces polynômes dans l’équation 7.16, on obtient les formules d’Adams-Bashforth. yn+1 = yn +

Formules d’Adams-Bashforth (ordre 1)

yn+1 = yn + hfn yn+1 = yn +

h (3fn − fn−1 ) 2

(ordre 2)

yn+1 = yn +

h (23fn − 16fn−1 + 5fn−2 ) 12

(ordre 3)

yn+1 = yn +

h (55fn − 59fn−1 + 37fn−2 − 9fn−3 ) (ordre 4) 24

Remarque 7.31 On définit l’erreur de troncature locale liée aux méthodes à pas multiples d’une manière semblable à ce que l’on fait dans le cas des méthodes à un pas. Dans ce qui suit, on indique sans démonstration l’ordre de l’erreur de troncature locale au fur et à mesure des besoins. On constate qu’en utilisant un polynôme de degré n dans la relation 7.16 on obtient une méthode à (n + 1) pas dont l’erreur de troncature locale est d’ordre (n + 1).  Passons maintenant au polynôme p∗n (t). On peut reprendre le raisonnement précédent, mais cette fois-ci en prenant l’approximation : f (t, y(t)) ≃ p∗n (t)

366

Chapitre 7

En particulier, le polynôme de degré 0 est p∗0 (t) = fn+1 et celui de degré 1 est :

p∗1 (t) = fn+1 + f [tn+1 , tn ](t − tn+1 )

On peut ainsi passer à des polynômes de degré de plus en plus élevé dans l’équation 7.16 et obtenir les formules d’Adams-Moulton, qui sont résumées dans le tableau suivant.

Formules d’Adams-Moulton yn+1 = yn + hfn+1

(ordre 1)

yn+1 = yn +

h (fn+1 + fn ) 2

(ordre 2)

yn+1 = yn +

h (5fn+1 + 8fn − fn−1 ) 12

(ordre 3)

yn+1 = yn +

h (9fn+1 + 19fn − 5fn−1 + fn−2 ) (ordre 4) 24

Les formules d’Adams-Moulton sont dites implicites en ce sens que les relations qui permettent d’évaluer yn+1 dépendent de yn+1 lui-même. Nous avons déjà rencontré ce type de méthodes à la section 7.8.1. Nous allons maintenant combiner les formules explicites d’Adams-Bashforth aux formules implicites d’Adams-Moulton en des schémas de type prédicteurscorrecteurs. Il s’agit simplement d’utiliser les schémas d’Adams-Bashforth pour p obtenir une première approximation yn+1 de yn+1 , qui est l’étape de prédiction. On fait appel ensuite aux formules d’Adams-Moulton pour corriger et éventuellement améliorer cette approximation. Il est important de remarquer que, dans ce cas, l’évaluation de fn+1 dans les formules d’Adams-Moulton repose p p p sur l’emploi de yn+1 , c’est-à-dire : fn+1 ≃ fn+1 = f (tn+1 , yn+1 ) On obtient

Équations différentielles

367

ainsi les schémas suivants. Schémas de prédiction-correction p yn+1 = yn + hfn p yn+1 = yn + hfn+1

(ordre 1)

p yn+1 = yn +

h (3fn − fn−1 ) 2

yn+1 = yn +

h p (f + fn ) 2 n+1

p yn+1 = yn +

h (23fn − 16fn−1 + 5fn−2 ) 12

yn+1 = yn +

h (5f p + 8fn − fn−1 ) 12 n+1

p yn+1 = yn +

h (55fn − 59fn−1 + 37fn−2 − 9fn−3 ) 24

yn+1 = yn +

h (9f p + 19fn − 5fn−1 + fn−2 ) 24 n+1

(ordre 2)

(ordre 3)

(ordre 4)

Remarque 7.32 L’initialisation des méthodes de prédiction-correction nécessite l’usage d’une méthode à un pas. Si l’on prend par exemple le schéma d’ordre 4, il est clair que n doit être plus grand ou égal à 3, car autrement on aurait besoin de y−1 , y−2 , etc. Or, au départ, seul y0 est connu, provenant de la condition initiale. Les valeurs de y1 , de y2 et de y3 doivent être calculées à l’aide d’une autre méthode. Le plus souvent, on recourt à une méthode de Runge-Kutta qui est au moins du même ordre de convergence que la méthode de prédiction-correction que l’on souhaite utiliser. 

Exemple 7.33 On reprend l’équation différentielle : y ′ (t) = −y(t) + t + 1

(y(0) = 1)

On fait appel cette fois aux méthodes de prédiction-correction d’ordre 2 et 4. Les premiers pas de temps sont calculés par une méthode de Runge-Kutta d’ordre 4 qui a déjà servi à résoudre cette équation différentielle. La méthode

368

Chapitre 7

de prédiction-correction d’ordre 2 exige de connaître y0 , qui vaut 1, et y1 , qui a été calculé au préalable à l’aide de la méthode de Runge-Kutta d’ordre 4 et qui vaut 1,004 8375 (une méthode de Runge-Kutta d’ordre 2 aurait été suffisante). La première itération donne d’abord une prédiction : h (3f (t1 , y1 ) − f (t0 , y0 )) 2 0,1 = 1,004 8375 + (3f (0,1 , 1,004 8375) − f (0,0 , 1,0)) 2 = 1,004 8375 + 0,05(3(−1,004 8375 + 0,1 + 1) − (−1 + 0 + 1)) = 1,019 111 875

y2p = y1 +

et ensuite une correction : h (f (t2 , y2p ) + f (t1 , y1 )) 2 0,1 = 1,004 8375 + (f (0,2 , 1,019 111 875) + f (0,1 , 1,004 8375)) 2 = 1,004 8375 + 0,05(−1,019 111 875 + 1,2) + (−1,004 8375 + 1,1)) = 1,018 640 031

y2 = y1 +

Les autres itérations sont résumées du tableau ci-dessous. Schéma de prédiction-correction d’ordre 2 y ′ (t) = −y(t) + t + 1 p t yn yn |y(tn ) − yn | 0,0 — 1,000 000 000 0 0,1 — 1,004 837 500 0,819 640 × 10−7 0,2 1,019 111 875 1,018 640 031 0,907 218 × 10−4 0,3 1,041 085 901 1,040 653 734 0,164 486 × 10−3 0,4 1,070 487 675 1,070 096 664 0,223 381 × 10−3 0,5 1,106 614 851 1,106 261 088 0,269 571 × 10−3 0,6 1,148 826 758 1,148 506 695 0,304 940 × 10−3 0,7 1,196 543 746 1,196 254 173 0,331 129 × 10−3 0,8 1,249 241 382 1,248 979 396 0,349 568 × 10−3 0,9 1,306 445 195 1,306 208 166 0,361 493 × 10−3 1,0 1,367 725 911 1,367 511 462 0,367 979 × 10−3 L’erreur à t = 0,1 est beaucoup plus faible qu’aux autres valeurs de t puisque la solution numérique à cet endroit a été calculée à l’aide d’une méthode d’ordre 4. Cela explique également l’absence de prédicteur pour cette valeur. De manière similaire, la méthode de prédiction-correction d’ordre 4 requiert le calcul de y1 , de y2 et de y3 à l’aide de la méthode de Runge-Kutta d’ordre 4. Par la suite, il suffit d’utiliser l’algorithme : p yn+1 = yn +

h (55fn − 59fn−1 + 37fn−2 − 9fn−3 ) 24

yn+1 = yn +

h (9f p + 19fn − 5fn−1 + fn−2 ) 24 n+1

Équations différentielles

369

pour n ≥ 3. La première itération s’effectue comme suit : 0,1 (55f (t3 , y3 ) − 59f (t2 , y2 ) + 37f (t1 , y1 ) − 9f (t0 , y0 )) 24 0,1 = 1,040 8184 + (55f (0,3 , 1,040 8184) − 59f (0,2 , 1,018 7309) 24 + 37f (0,1 , 1,004 8375) − 9f (0 , 1)) = 1,107 0323

y4p = y3 +

0,1 (9f (t4 , y4p ) + 19f (t3 , y3 ) − 5f (t2 , y2 ) + f (t1 , y1 )) 24 0,1 = 1,040 8184 + (9f (0,4 , 1,107 0323) + 19f (0,3 , 1,040 8184) 24 − 5f (0,2 , 1,018 7309) + f (0,1 , 1,004 8375)) = 1,070 3199

y4 = y3 +

On obtient enfin les résultats du tableau ci-dessous. Schéma de prédiction-correction d’ordre 4 y ′ (t) = −y(t) + t + 1 t ynp yn |y(tn ) − yn | 0,0 — 1,000 0000 0 0,1 — 1,004 8375 0,819 640 × 10−7 0,2 — 1,018 7309 0,148 328 × 10−6 0,3 — 1,040 8184 0,201 319 × 10−6 0,4 1,107 0323 1,070 3199 0,127 791 × 10−6 0,5 1,106 5332 1,106 5303 0,391 302 × 10−6 0,6 1,148 8136 1,148 8110 0,603 539 × 10−6 0,7 1,196 5869 1,196 5845 0,772 415 × 10−6 0,8 1,249 3302 1,249 3281 0,903 669 × 10−6 0,9 1,306 5706 1,306 5687 0,100 294 × 10−5 1,0 1,367 8801 1,367 8784 0,107 514 × 10−5 L’erreur est ici beaucoup plus petite qu’avec la méthode d’ordre 2. 

Remarque 7.34 La précision des méthodes de prédiction-correction est comparable à celle des méthodes à un pas d’ordre équivalent. Si l’on considère, par exemple, le schéma d’ordre 4, les résultats sont comparables à ceux de la méthode de Runge-Kutta d’ordre 4. Par contre, si l’on calcule le coût lié à l’emploi d’une méthode selon le nombre d’évaluations de la fonction f (t, y) à chaque itération, on se rend compte que la méthode de prédiction-correction d’ordre 4 est moins coûteuse. En effet, chaque itération de la méthode de Runge-Kutta nécessite 4 évaluations de la fonction f (t, y), alors que la méthode de prédiction-correction n’exige que 2 nouvelles évaluations, compte tenu de celles qui ont déjà été effectuées aux itérations précédentes. Cela est également vrai dans le cas des méthodes d’ordre 2 et 3. 

370

Chapitre 7

7.6

Systèmes d’équations différentielles

Cette section traite de la façon dont on peut utiliser les méthodes de résolution d’équations différentielles ordinaires dans le cas de systèmes d’équations différentielles avec conditions initiales. Fort heureusement, il suffit d’adapter légèrement les méthodes déjà vues. La forme générale d’un système de m équations différentielles avec conditions initiales s’écrit :  ′ y1 (t)   ′    y2′ (t) y3 (t)  ..     ′. ym (t)

f1 (t, y1 (t), y2 (t), · · · , ym (t)) f2 (t, y1 (t), y2 (t), · · · , ym (t)) f3 (t, y1 (t), y2 (t), · · · , ym (t)) .. . = fm (t, y1 (t), y2 (t), · · · , ym (t)) = = =

(y1 (t0 ) = y1,0 ) (y2 (t0 ) = y2,0 ) (y3 (t0 ) = y3,0 ) .. . (ym (t0 ) = ym,0 )

(7.19)

Ici encore, on note yi (tn ), la valeur exacte de la ie variable dépendante en t = tn et yi,n , son approximation numérique.

Remarque 7.35 Ces m équations sont couplées en ce sens que l’équation différentielle régissant la variable dépendante yi (t) peut dépendre de toutes les autres variables dépendantes. On remarque de plus les m conditions initiales qui assurent l’unicité de la solution sous des hypothèses que nous ne précisons pas. 

Parmi les techniques de résolution des systèmes d’équations différentielles, nous ne présentons que la méthode de Runge-Kutta d’ordre 4. Il est possible d’utiliser également les autres méthodes déjà vues, mais leur précision se révèle souvent insuffisante.

Algorithme 7.36 : Méthode de Runge-Kutta d’ordre 4 1. Étant donné un pas de temps h et un nombre maximal d’itérations N 2. Étant données des conditions initiales (t0 , y1,0 , y2,0 , · · · , ym,0 ) 3. Pour 0 ≤ n ≤ N :

Équations différentielles

ki,1

ki,2

ki,3

ki,4

yi,n+1 tn+1

371

Pour i = 1, 2, 3, · · · , m : = hfi (tn , y1,n , y2,n , · · · , ym,n ) Pour ( i = 1, 2, 3, · · · , m : ) k1,1 k2,1 km,1 h = hfi tn + , y1,n + , y2,n + , · · · , ym,n + 2 2 2 2 Pour ( i = 1, 2, 3, · · · , m : ) k2,2 km,2 k1,2 h , y2,n + , · · · , ym,n + = hfi tn + , y1,n + 2 2 2 2 Pour i = 1, 2, 3, · · · , m : = hfi (tn + h, y1,n + k1,3 , y2,n + k2,3 , · · · , ym,n + km,3 ) Pour i = 1, 2, 3, · · · , m : 1 = yi,n + (ki,1 + 2ki,2 + 2ki,3 + ki,4 ) 6 = tn + h (7.20)

Écrire tn+1 et yi,n+1 pour i = 1, 2, 3, · · · , m 4. Arrêt N Remarque 7.37 Cet algorithme est complexe et pour en bien comprendre le principe, il suffit d’y voir une application de la méthode de Runge-Kutta à chacune des équations différentielles. De plus, il est nécessaire de calculer les m constantes ki,1 avant de passer au calcul des constantes ki,2 et ainsi de suite. 

Exemple 7.38 Soit le système de deux équations différentielles suivant : { ′ y1 (t) = y2 (t) (y1 (0) = 2) y2′ (t) = 2y2 (t) − y1 (t) (y2 (0) = 1) dont la solution analytique est : y1 (t) = 2et − tet y2 (t) = et − tet On a alors : f1 (t, y1 (t), y2 (t)) = y2 (t) f2 (t, y1 (t), y2 (t)) = 2y2 (t) − y1 (t)

(7.21)

372

Chapitre 7 4

2

Solution numérique y1 (t)

0

-2

Solution numérique y2 (t)

-4 -6

-8 0

0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

Figure 7.5 – y1′ (t) = y2 (t) (y1 (0) = 2) et y2′ (t) = 2y2 (t) − y1 (t) (y2 (0) = 1) et la condition initiale (t0 , y1,0 , y2,0 ) = (0 , 2 , 1). Si l’on prend par exemple h = 0,1, on trouve : k1,1 = 0,1(f1 (0 , 2 , 1)) = 0,1 k2,1 = 0,1(f2 (0 , 2 , 1)) = 0 k1,2 = 0,1(f1 (0,05 , 2,05 , 1,0)) = 0,1 k2,2 = 0,1(f2 (0,05 , 2,05 , 1,0)) = −0,005 k1,3 = 0,1(f1 (0,05 , 2,05 , 0,9975)) = 0,099 75 k2,3 = 0,1(f2 (0,05 , 2,05 , 0,9975)) = −0,0055 k1,4 = 0,1(f1 (0,1 , 2,099 75 , 0,9945)) = 0,099 45 k2,4 = 0,1(f2 (0,1 , 2,099 75 , 0,9945)) = −0,011 075 1 y1,1 = y1,0 + (0,1 + 2(0,1) + 2(0,099 75) + 0,099 45) 6 = 2,099 825 1 y2,1 = y2,0 + (0 + 2(−0,005) + 2(−0,0055) + (−0,011 075)) 6 = 0,994 651 667 La figure 7.5 illustre les solutions analytiques y1 (t) et y2 (t) de même que leurs approximations respectives. On peut y apprécier la grande précision des résultats. 

Équations différentielles

7.7

373

Équations d’ordre supérieur

Dans la section précédente, nous nous sommes intéressés à la résolution d’un système de m équations différentielles d’ordre 1. Passons maintenant à la résolution numérique d’une équation différentielle d’ordre m avec conditions initiales. Ici encore, nous n’avons pas besoin de développer de nouvelles méthodes numériques, car une équation différentielle d’ordre m avec conditions initiales est parfaitement équivalente à un système de m équations différentielles d’ordre 1. La forme générale d’une équation différentielle d’ordre m avec conditions initiales est : y (m) (t) = f (t, y(t), y (1) (t), y (2) (t), · · · , y (m−1) (t)) où y (i) (t) désigne la ie dérivée de y(t). Pour ajoute les m conditions initiales :  y(t0 ) =    (1)  y (t ) =  0   (2)   =  y (t0 ) .. .   (m−2)  (t0 ) =  y   (m−1) (t ) =   y 0  

(7.22)

assurer l’unicité de la solution, on c1 c2 c3 .. .

(7.23)

cm−1 cm

Ces conditions portent sur la fonction y(t) et ses (m − 1) premières dérivées à t = t0 . Remarque 7.39 La première dérivée de la variable y(t) est notée y ′ (t) ou y (1) (t) selon la situation. On se doit également de distinguer la dérivée seconde y (2) (t) du carré de la fonction y(t), qui est noté (y(t))2 . 

Théorème 7.40 L’équation différentielle d’ordre m 7.22 avec les m conditions équivalente au système de m équations d’ordre 1 suivant :  ′ y1 (t) = y2 (t) y1 (t0 ) =   ′ (t)   y = y (t) y (t ) = 3 2 0  2   y ′ (t) = y (t) y (t ) = 4 3 0 3 .. .. ..  . . .    ′  ym−1 (t) = ym (t) ym−1 (t0 ) =   ′ = f (t, y1 (t), y2 (t), · · · , ym (t)) ym (t0 ) = ym (t)

initiales 7.23 est c1 c2 c3 .. . cm−1 cm

(7.24)

374

Chapitre 7

Démonstration : Pour voir l’équivalence, il suffit d’introduire les m variables suivantes : y1 (t) y2 (t) y3 (t) .. .

= y(t) = y (1) (t) = y (2) (t) .. .

(7.25)

ym−1 (t) = y (m−2) (t) ym (t) = y (m−1) (t) On a alors : y1′ (t) y2′ (t) y3′ (t) .. .

= y (1) (t) = y (2) (t) = y (3) (t) .. .

= y2 (t) = y3 (t) = y4 (t) .. .

(7.26)

′ ym−1 (t) = y (m−1) (t) = ym (t) ′ ym (t) = y (m) (t) = f (t, y1 (t), y2 (t), · · · , ym (t))

Un raisonnement similaire permet de déterminer les conditions initiales de ce système d’équations pour chaque variable yi (t) : y1 (t0 ) y2 (t0 ) y3 (t0 ) .. .

= y(t0 ) = y (1) (t0 ) = y (2) (t0 ) .. .

= c1 = c2 = c3 .. .

(7.27)

ym−1 (t0 ) = y (m−2) (t0 ) = cm−1 ym (t0 ) = y (m−1) (t0 ) = cm Il est alors clair que le système 7.26 sous les conditions initiales 7.27 est un cas particulier de systèmes d’équations d’ordre 1 dont la forme générale est donnée par l’équation 7.19. ⋆

Exemple 7.41 Soit l’équation différentielle d’ordre 2 : y (2) (t) = −y (1) (t) + (y(t))2 + t2 − 5 avec les conditions initiales y(0) = 1 et y (1) (0) = 2. La marche à suivre est toujours la même. Il suffit de poser : y1 (t) = y(t) y2 (t) = y (1) (t) pour transformer l’équation différentielle d’ordre 2 en un système de 2 équations différentielles du premier ordre : { ′ y1 (t) = y2 (t) (y1 (0) = 1) y2′ (t) = − y2 (t) + (y1 (t))2 + t2 − 5 (y2 (0) = 2)

Équations différentielles

375

auquel on peut appliquer les méthodes de résolution de la section 7.6. 

Exemple 7.42 Soit l’équation différentielle du troisième ordre : y (3) (t) = (y (2) (t))2 + 2y (1) (t) + (y(t))3 + t4 + 1 avec les conditions initiales y(1) = 1, y (1) (1) = 0 et y (2) (1) = 3. On pose : y1 (t) = y(t) y2 (t) = y (1) (t) y3 (t) = y (2) (t) On obtient le système de 3 équations différentielles du premier ordre suivant :  (y1 (1) = 1)  y1′ (t) = y2 (t) y2′ (t) = y3 (t) (y2 (1) = 0)  y ′ (t) = (y (t))2 + 2y (t) + (y (t))3 + t4 + 1 (y (1) = 3) 3 2 1 3 3  Remarque 7.43 Une fois l’équation d’ordre m transformée en un système de m équations différentielles d’ordre 1, on peut recourir à la méthode de Runge-Kutta (voir l’algorithme à la page 370) pour sa résolution. 

7.8

Stabilité absolue

Certains problèmes de stabilité peuvent survenir lors de la résolution d’une équation différentielle (ou d’un système d’équations différentielles). On peut illustrer facilement les difficultés que l’on peut rencontrer au moyen d’un exemple. Exemple 7.44 Considérons le système :   y1′ (t) = 97y1 + 49 2 y2 − 

217 4

cos t −

y2′ (t) = −588y1 − 148y2 +

2639 8

157 16

sin t,

y1 (0) = 3/4

223 4

sin t, y2 (0) = 5/4

cos t +

(7.28)

dont la solution analytique est : y1 (t) = y1h (t) + y1p (t) = y2 (t) = y2h (t) + y2p (t) =

(

) ( ) e−t − e−50t + 43 cos t + 18 sin t

(

) ) ( −4e−t + 6e−50t + − 34 cos t − 81 sin t

376

Chapitre 7 1, 7

solution analytique y1 (t) h = 0, 04 h = 0, 03

1, 6 1, 5 1, 4 1, 3 1, 2 1, 1 1, 0 0, 9 0, 8 0, 7

0

0, 1

0, 2

0, 3

0, 4

0, 5

0, 6

0, 7

0, 8

0, 9

1

Figure 7.6 – Solution analytique y1 (t) et numériques avec h = 0,04 et h = 0,03 où ⃗yh (t) = (y1h (t), y2h (t)) est la solution générale du système homogène et ⃗yp (t) = (y1p (t), y2p (t)) est une solution particulière du système non homogène. La solution du système homogène s’obtient en considérant les valeurs propres de la matrice jacobienne du système qui est : [ ] 49 97 2 A= (7.29) −588 −148 et dont les valeurs propres sont les solutions de : ( ) 49 p(λ) = (97 − λ)(−148 − λ) + 588 = λ2 + 51 λ + 50 = 0 2 Les racines sont donc −1 et −50 et l’équation est dite raide en raison de la présence du terme e−50t qui varie extrêmement rapidement au voisinage de 0. Une méthode numérique aura beaucoup de difficultés à capturer une telle variation, ce qui peut provoquer de violentes oscillations dans la solution calculée. Si on résout le système 7.28 avec la méthode de Runge-Kutta d’ordre 4, on trouve que pour h = 0,1, la solution est très mauvaise alors que pour des valeurs comme h = 0,04 ou h = 0,03 (voir fig. 7.6), la solution est acceptable. Comment expliquer ces résultats ?  Pour répondre à cette question, on considèrera l’équation différentielle type : { ′ y (t) = λ y (7.30) y(0) = y0 où λ = λR + iλI est un nombre complexe. C’est l’équation la plus simple pour laquelle la solution est exponentielle. Du point de vue numérique, le comportement des schémas de résolution sur cette équation très simple permet de tirer des conclusions assez générales. Nous passerons ensuite aux systèmes linéaires

Équations différentielles

377

d’équations de la forme : {

⃗y ′ (t) = A⃗y (t) ⃗y (0) = y⃗0

(7.31)

où A est une matrice constante de dimension n. Les conclusions tirées sur le comportement et les conditions stabilité sur λ pour l’équation 7.30 s’appliqueront aux valeurs propres du système. La solution analytique de l’équation 7.30 est : y(t) = y0 eλt = y0 eλR t (cos λI t + i sin λI t) Trois cas peuvent survenir : 1. λR > 0 : la solution croît de manière exponentielle. C’est un problème instable mais on peut calculer une solution si λR t n’est pas trop grand. 2. λR = 0 : la solution est périodique et ne pose pas de problème particulier. 3. λR < 0 : c’est le cas intéressant. La solution décroît exponentiellement et on voudrait que la solution numérique fasse de même c.-à-d. que : |yn+1 | < |yn |

(7.32)

Les conditions sur h et λ pour lesquelles une méthode de résolution numérique vérifie la condition 7.32 définissent la zone de stabilité absolue de la méthode. Stabilité absolue de la méthode d’Euler explicite La méthode d’Euler explicite appliquée à l’équation 7.30 donne : yn+1 = yn + hf (tn , yn ) = yn + hλyn = (1 + hλ)yn

(7.33)

et on observera donc une décroissance de la solution si |1 + λh| < 1. En posant z = λh, la région de stabilité absolue est donc : |1 + z| < 1 qui n’est rien d’autre que l’intérieur du cercle de centre (−1 + 0i) et de rayon 1 (fig. 7.7). Si z = λh est à l’intérieur de ce cercle, la solution numérique sera décroissante alors qu’à l’extérieur de ce cercle, la solution sera croissante et donc peu représentative de la solution analytique. Remarque 7.45 Si λ est réel c.-à-d. λ = λR < 0, alors la zone de stabilité vérifie : −1 < 1 + hλR < 1 c.-à-d. − 2 <

hλR

<0

L’inégalité de droite est triviale car λR est négatif mais celle de gauche force une contrainte sur la taille de h à savoir qu’il faut que h < − λ2R . On note également qu’en vertu de la relation 7.33, la solution numérique peut osciller du négatif au positif, tout en diminuant en module. Il suffit en effet que :

378

Chapitre 7 Instable

Instable

Stable

Instable

Instable

Figure 7.7 – Zone de stabilité de la méthode d’Euler explicite

−1 ≤ 1 + hλR < 0 c.-à-d. pour −

1 2
Il est donc souvent préférable en pratique de restreindre h à des valeurs inférieures à −1/λR pour éviter les oscillations. 

Exemple 7.46 Pour illustrer ce qui se passe, considérons le cas où λ = λR = −10. Pour la méthode d’Euler explicite, on doit donc prendre h < 0,2 pour demeurer dans la zone de stabilité absolue et même choisir h < 0,1 pour éviter les oscillations. On peut voir le comportement de la solution numérique à la figure 7.8 comparativement à la solution analytique y(t) = e−10t . Pour h = 0,29, la solution numérique oscille du positif au négatif tout en croissant en valeur absolue et est essentiellement inutilisable. Par contre, pour h = 0,19 la solution numérique oscille mais décroît en valeur absolue. Enfin, pour h = 0,09 (h < − λ1R ), la solution est décroissante et présente le bon comportement. 

Remarque 7.47 Si on veut appliquer la méthode d’Euler explicite au système 7.28, on devra 2 prendre h < − −50 = 0,04 pour demeurer dans la zone de stabilité absolue et 1 même h < − −50 = 0,02 pour éviter les oscillations. 

Équations différentielles

379

4

2

0

-2

-4

-6

*

y(t) = e−10t h = 0,29 h = 0,19 h = 0,09

-8 0

0,2

0,4

0,6

0,8

1,0

Figure 7.8 – Solutions numériques pour h = 0,29, h = 0,19 et h = 0,09

Stabilité absolue de la méthode de Runge-Kutta d’ordre 4 De manière plus générale, les méthodes à 1 pas que nous avons vues vont donner, lorsqu’appliquées à l’équation 7.30 une expression de la forme : yn+1 = Q(λh)yn = Q(z)yn et la condition de stabilité 7.32 prendra la forme |Q(z)| < 1. En particulier, dans le cas de la méthode de Runge-Kutta d’ordre 4, on a : k1 = hf (tn , yn ) = hλ yn ( ) ( k2 = hf tn + h2 , yn + k21 = hf tn + h2 , yn +

hλyn 2

( k3 = hf tn + h2 , yn +

hλyn 2 (1

( = hλ yn +

λhyn 2 (1

k2 2

)

( = hf tn + h2 , yn + )

+

( = hλyn 1 +

hλ 2 )

λh 2

+

)

( = λhyn 1 +

(hλ)2 4

[ = λhyn 1 + λh +

λh 2

(λh)2 2

2 + ( hλ 4 )

+

(λh)3 4

)

)

+

hλ 2 )

)

( k4 = hf (tn + h, yn + k3 ) = hf tn + h, yn + hλyn (1 + [ ( = hλ yn + hλyn 1 +

λh 2

λh 2

)

+

(hλ)2 4 )

)]

]

en rappelant que dans notre problème type, f (t, y) = λy. La solution au pas de temps suivant sera donc :

380

Chapitre 7 1 yn+1 = yn + (k1 + 2k2 + 2k3 + k4 ) 6 [ ] λhyn (λh)3 2 = yn + 6 + 3λh + (λh) + 6 4 [ ] (λh)2 (λh)3 (λh)4 = yn 1 + λh + + + 2 6 24

La zone de stabilité absolue est donc donnée par |Q(z)| < 1 où : Q(z) = 1 + z +

z2 z3 z4 + + 2 3! 4!

expression contenant les premiers termes du développement de Taylor de l’exponentielle. La figure 7.9 montre que cette zone de stabilité absolue est plus vaste que celle de la méthode d’Euler explicite. On pourrait vérifier (en exercice) de la même manière que la zone de stabilité des schémas de Runge-Kutta 2 d’ordre 2 (Euler modifiée, point-milieu, etc.) est donnée par |1 + z + z2 | < 1. Ces zones de stabilité sont toutes illustrées à la figure 7.9. Si on se reporte à notre système initial 7.28, λ = −50 et on vérifie que : si si si si

h = 0,1 h = 0,075 h = 0,06 h = 0,05

alors alors alors alors

Q(λh) = 13,71 Q(λh) = 3,73 Q(λh) = 1,75 Q(λh) = 0,65

ce qui montre que le pas de temps critique h est légèrement supérieur à 0,05 mais inférieur à 0,06.

7.8.1

Quelques mots sur les méthodes implicites

Méthode d’Euler implicite Pour établir la méthode d’Euler explicite, nous avons utilisé une formule de différences avant d’ordre 1 pour approcher la dérivée y ′ (t) en t = tn . On peut aussi utiliser une différence arrière d’ordre 1 en t = tn+1 pour obtenir la méthode d’Euler dite implicite : yn+1 − yn − f (tn+1 , yn+1 ) = 0 ⇔ yn+1 − yn − hf (tn+1 , yn+1 ) = 0 h C’est une équation non linéaire que l’on peut résoudre par les techniques du chapitre 2 (ou du chapitre 3 pour les systèmes). On notera de plus qu’il s’agit aussi du schéma d’Adams-Moulton d’ordre 1 (voir la section 7.5). À chaque pas de temps, on devra résoudre l’équation : g(x) = x − yn − hf (tn+1 , x) = 0 (pour yn et h connus) Si on prend la méthode de Newton par exemple en 1 variable, on a besoin de la dérivée : ∂f (tn+1 , x) g ′ (x) = 1 − h ∂y

Équations différentielles

381

3

y 2

1

0

x

−2,5

−1,5

−0,5

-1

-2

-3

Figure 7.9 – Zones de stabilité absolue pour les méthodes d’Euler explicite, d’Euler modifiée et de Runge-Kutta d’ordre 4 et on obtient l’algorithme :  x0 = y n    g(xk ) xk − yn − hf (tn+1 , xk )    xk+1 = xk − g ′ (x ) = xk − k 1 − h ∂f ∂y (tn+1 , xk ) À la convergence, on obtient yn+1 . Si on applique cette méthode implicite à notre équation test, on peut résoudre directement (nul besoin de la méthode de Newton) et on obtient : yn+1 = yn +hλyn+1 qui devient (1−λh)yn+1 = yn de sorte que yn+1 = On a donc stabilité absolue si : 1 z − 1 < 1

ou encore

1 yn 1 − λh

|z − 1| > 1

c.-à-d. à l’extérieur du cercle de rayon 1 centré en z = 1 du plan complexe (fig. 7.10). Définition 7.48 Une méthode à un pas est dite A-stable si sa zone de stabilité absolue comprend tout le demi-plan hλR < 0.

382

Chapitre 7 Stable

Stable

Instable

Stable

Stable

Figure 7.10 – Zone de stabilité de la méthode d’Euler implicite

Remarque 7.49 La méthode d’Euler implicite est A-stable. De plus : 1. On remarquera que pour hλR > 0 (sauf à l’intérieur du cercle) on aura tout de même |yn+1 | < |yn | même si la solution analytique est croissante ! 2. Il n’y a pas de contrainte sur la valeur de h c.-à-d. toute valeur de h donnera des résultats corrects mais d’autant plus précis que h est petit. 

Méthode des trapèzes implicite L’idée générale de la méthode est d’intégrer l’équation différentielle 7.30 de chaque côté. On a ainsi : ∫

tn+1





tn+1

y (t) dt = tn

f (t, y(t)) dt tn

qui devient, en utilisant à droite la méthode des trapèzes simple : ∫ yn+1 − yn =

tn+1

f (t, y(t)) dt ≃

tn

h [f (tn , yn ) + f (tn+1 , yn+1 )] 2

ou encore : yn+1 = yn +

h [f (tn , yn ) + f (tn+1 , yn+1 )] 2

Équations différentielles

383

qui n’est rien d’autre que la formule d’Adams-Moulton d’ordre 2. Contrairement à l’approche retenue à la section 7.5 qui nous a menés aux schémas de prédiction-correction, nous allons résoudre directement cette équation non linéaire en lui appliquant la méthode de Newton. À chaque pas de temps, on doit résoudre : g(x) = x − yn −

h 2

[f (tn , yn ) + f (tn+1 , x)] = 0

par la méthode de Newton qui nous amène à l’algorithme :    x0 = yn xk − yn − h2 [f (tn , yn ) + f (tn+1 , xk )] g(xk ) = x − x = x − k k   k+1 g ′ (xk ) 1 − h ∂f (tn+1 , xk ) 2 ∂y

Pour étudier la stabilité absolue de cette méthode, on l’applique à notre problème test : ( ) ( ) h λh λh yn+1 = yn + [λyn + λyn+1 ] c.-à-d. 1 − yn+1 = 1 + yn 2 2 2 qui devient

( yn+1 =

2 + λh 2 − λh

) yn

(7.34)

et la zone de stabilité absolue est (toujours en posant z = hλ) : 2 + z 2 − z < 1 ou encore |2 + z| < |2 − z| Puisque z = λh = h(λR + iλI ), on a : (2 + hλR )2 + h2 λ2I < (2 − hλR )2 + h2 λ2I ⇒ 4hλR < −4hλR ⇒ λR < 0 et la zone de stabilité est précisément le demi-plan λR < 0 et la méthode des trapèzes implicite est A-stable. Remarque 7.50 Dans le cas où λ = λR est réel, il y aura des valeurs de h pour lesquelles le schéma 7.34 produira une solution décroissante (vérifiant l’inégalité 7.32) mais de manière oscillatoire. Ce sera en effet le cas si le coefficient de yn est négatif c.-à-d. si : −1 <

2 + λR h <0 2 − λR h

c.-à-d. − 2 + λR h < 2 + λR h < 0 puisque (2 − λR h > 0)

On a ainsi les conditions : −4 + λR h < λR h < −2 La première inégalité est toujours vraie mais la deuxième, par contre, entraîne , la solution numérique présentera des oscillations que si h est supérieur à λ−2 R (tout en demeurant stable). On préférera donc éviter cela en prenant h < −2/λR . 

384

7.9

Chapitre 7

Méthodes de tir

Dans les deux sections qui suivent, nous ferons une brève incursion dans le domaine des équations différentielles avec conditions aux limites. Ces problèmes ont beaucoup d’applications pratiques en ingénierie. Dans cette section, nous profiterons des outils déjà développés dans le cadre des méthodes de tir. À la section suivante, nous développerons la méthode des différences finies.

7.9.1

Équations linéaires

Commençons par l’étude des équations différentielles linéaires d’ordre 2 avec conditions aux limites dont la forme générale est :   y ′′ (x) = a2 (x)y ′ (x) + a1 (x)y(x) + a0 (x) y(a) = ya (7.35)  y(b) = y b On suppose les fonctions ai (x) suffisamment régulières pour assurer l’existence et l’unicité de la solution des équations différentielles que nous rencontrerons. La différence entre les équations différentielles avec conditions initiales et celles avec conditions aux limites est illustrée à la figure 7.11. Dans le premier cas, à t = t0 , la fonction y(t0 ) ainsi que sa pente y ′ (t0 ) sont connues. Dans le cas des équations avec conditions aux limites, on ne connaît que les valeurs de la fonction y(x) aux deux extrémités de l’intervalle, soit y(a) et y(b). On remarque qu’il n’y a aucune condition initiale liée à la dérivée de la fonction y(x) en x = a. La condition initiale sur la dérivée est remplacée par une condition sur la fonction y(x) à l’autre extrémité de l’intervalle [a , b]. On note également que la variable indépendante est maintenant notée x, car, contrairement au cas des équations différentielles avec conditions initiales, la variable indépendante des équations différentielles avec conditions aux limites est le plus souvent une variable d’espace, rarement de temps. Cette incursion dans le domaine des équations différentielles est facilitée par le fait que nous pouvons résoudre l’équation 7.35 avec les outils que nous possédons déjà. Bien que nous ne connaissions pas y ′ (a), on peut quand même résoudre l’équation par les méthodes connues. Il nous faudra pour cela «deviner» la bonne valeur de y ′ (a) qui s’interprète comme une pente et donc comme un angle de tir, d’où le nom méthode de tir. Pour l’équation différentielle linéaire 7.35, on peut trouver le bon angle de tir en deux essais. On tirera successivement avec une pente nulle y ′ (a) = 0 et ensuite avec y ′ (a) = 1. Le théorème qui suit indique comment déterminer la bonne pente. Théorème 7.51 La solution de l’équation différentielle avec conditions aux limites 7.35 est donnée par : ( y(x) =

yb − y2 (b) y1 (b) − y2 (b)

)

( y1 (x) +

y1 (b) − yb y1 (b) − y2 (b)

) y2 (x)

(7.36)

Équations différentielles

385

y(t) (inconnue)

Droite de pente y ′ (t0 )

a) (t0 , y(t0 ))

t0

t

(b, yb ) y(x) (inconnue)

b) (a, ya )

a

b

x

Figure 7.11 – a) Conditions initiales et b) conditions aux limites

386

Chapitre 7

où y1 (x) et y2 (x) sont les solutions des équations différentielles avec conditions initiales suivantes :   y1′′ (x) = a2 (x)y1′ (x) + a1 (x)y1 (x) + a0 (x) y1 (a) = ya (7.37)  y ′ (a) = 0 1   y2′′ (x) = a2 (x)y2′ (x) + a1 (x)y2 (x) + a0 (x) y2 (a) = ya  y ′ (a) = 1 2

et :

(7.38)

Démonstration : Montrons d’abord que l’expression 7.36 est bien la solution de l’équation 7.35. On pose : yb − y2 (b) y1 (b) − yb c1 = et c2 = y1 (b) − y2 (b) y1 (b) − y2 (b) pour simplifier la notation tout en remarquant que c1 + c2 = 1. On doit maintenant s’assurer que c1 y1 (x) + c2 y2 (x) est la solution de l’équation différentielle 7.35. La dérivée seconde de y(x) peut alors s’écrire : y ′′ (x) = (c1 y1 (x) + c2 y2 (x))′′ = c1 y1′′ (x) + c2 y2′′ (x) Les fonctions y1 (x) et y2 (x) sont respectivement les solutions des équations 7.37 et 7.38. On a alors : y ′′ (x) = c1 (a2 (x)y1′ (x) + a1 (x)y1 (x) + a0 (x)) + c2 (a2 (x)y2′ (x) + a1 (x)y2 (x) + a0 (x)) = a2 (x)(c1 y1′ (x) + c2 y2′ (x)) + a1 (x)(c1 y1 (x) + c2 y2 (x)) +(c1 + c2 )a0 (x) = a2 (x)y ′ (x) + a1 (x)y(x) + a0 (x) puisque c1 + c2 = 1, ce qui montre bien que y(x), définie par la relation 7.36, est la solution de l’équation 7.35. On doit maintenant vérifier les conditions aux limites. Si les fonctions y1 (x) et y2 (x) satisfont respectivement les équations 7.37 et 7.38, on a alors en x = a : y(a) = c1 y1 (a) + c2 y2 (a) = (c1 + c2 )ya = ya Par ailleurs : y(b) = c1 y1 (b) + c2 y2 (b) = d’où le résultat. ⋆

(

yb − y2 (b) y1 (b) − y2 (b)

)

( y1 (b) +

y1 (b) − yb y1 (b) − y2 (b)

) y2 (b) = yb

Équations différentielles

387

Remarque 7.52 On peut s’inquiéter du dénominateur y1 (b) − y2 (b) des constantes c1 et c2 et s’interroger sur la possibilité qu’il s’annule. Cela n’est heureusement pas possible. En effet, si y1 (b) = y2 (b), considérons le problème :   y ′′ (x) = a2 (x)y ′ (x) + a1 (x)y(x) + a0 (x) y(a) = ya  y(b) = y (b) (ou y (b)) 1 2 Sous les hypothèses appropriées sur les fonctions ai (x), ce problème possède une solution unique. Toutefois, on constate facilement que y1 (x) et y2 (x) sont des solutions de ce problème. Par unicité, elles devraient être égales, mais elles vérifient respectivement y1′ (a) = 0 et y2′ (a) = 1, ce qui est impossible.  Remarque 7.53 En x = a, on a :

y ′ (a) = c1 y1′ (a) + c2 y2′ (a) = c2

et la constante c2 est précisément la pente en x = a qui était inconnue.  La figure 7.12 illustre les fonctions y1 (x) et y2 (x) ainsi que la solution recherchée. Si l’on regarde les conditions initiales relatives à y1 (x) et à y2 (x), on constate entre autres choses que ni y1 (x) ni y2 (x) ne vérifie la bonne condition aux limites en x = b. Par contre, en combinant ces deux solutions intermédiaires à l’aide de l’équation 7.36, on obtient la bonne solution. On peut résoudre les équations différentielles avec conditions initiales 7.37 et 7.38 à l’aide de la méthode de Runge-Kutta d’ordre 4. On doit tout d’abord transformer chacune d’elles en un système de 2 équations différentielles d’ordre 1. En posant : { { u1 (x) = y1 (x) v1 (x) = y2 (x) et u2 (x) = y1′ (x) v2 (x) = y2′ (x) on obtient les deux systèmes suivants :  ′ u1 (x) = u2 (x) (u1 (a) = ya )     u′2 (x) = a2 (x)u2 (x) + a1 (x)u1 (x) + a0 (x) (u2 (a) = 0)  ′    v1′ (x) = v2 (x) v2 (x) = a2 (x)v2 (x) + a1 (x)v1 (x) + a0 (x)

(7.39) (v1 (a) = ya ) (v2 (a) = 1)

La solution finale peut alors s’écrire : ( ) ( ) yb − y2 (b) y1 (b) − yb y(x) = y1 (x) + y2 (x) y1 (b) − y2 (b) y1 (b) − y2 (b) ( ) ( ) yb − v1 (b) u1 (b) − yb = u1 (x) + v1 (x) u1 (b) − v1 (b) u1 (b) − v1 (b) selon les nouvelles variables u1 (x) et v1 (x).

388

Chapitre 7

y2 (x) yb

1 1

y(x)

y1 (x)

ya a

b

Figure 7.12 – Méthode de tir

Exemple 7.54 Un fluide à haute température et pression circule dans une conduite métallique. Pour supporter les conditions d’opération, les parois de la conduite sont très épaisses, car on y observe un important transfert thermique. On peut montrer que la température T dans la paroi vérifie l’équation différentielle :

d2 T 1 1 dT = 0 ou encore T ′′ (r) = − T ′ (r) + dr2 r dr r

où r est la distance radiale (qui remplace la variable x). Sur la paroi intérieure (en r = 1 cm), la température est celle du fluide, soit 100 o C tandis que la paroi externe (en r = 2 cm) est maintenue à la température ambiante soit 20 o C (fig. 7.13). Les conditions aux limites sont donc T (1) = 100 et T (2) = 20. On peut dès lors appliquer la méthode de tir en posant :

1 a2 (r) = − , r

a1 (r) = a0 (r) = 0

Les tableaux qui suivent présentent les solutions des problèmes intermédiaires pour y1 (r) et y2 (r).

Équations différentielles

389

r 11111 00000 11111 00000 11111 00000 11111 00000 11111 00000 11111 00000 11111 00000 11111 00000 11111 00000

Figure 7.13 – Conduite cylindrique

Problème intermédiaire 7.37 r y1 (r) = u1 (r) y1′ (r) = u2 (r) 1,0 100,000 0,000 000 1,1 100,000 0,000 000 1,2 100,000 0,000 000 1,3 100,000 0,000 000 1,4 100,000 0,000 000 1,5 100,000 0,000 000 1,6 100,000 0,000 000 1,7 100,000 0,000 000 1,8 100,000 0,000 000 1,9 100,000 0,000 000 2,0 100,000 0,000 000

Problème intermédiaire 7.38 r y2 (r) = v1 (r) y2′ (r) = v2 (r) 1,0 100,000 000 1,000 000 000 1,1 100,095 309 0,909 090 909 1,2 100,182 321 0,833 333 333 1,3 100,262 363 0,769 230 769 1,4 100,336 471 0,714 285 714 1,5 100,405 464 0,666 666 667 1,6 100,470 002 0,625 000 000 1,7 100,530 627 0,588 235 294 1,8 100,587 785 0,555 555 555 1,9 100,641 853 0,526 315 789 2,0 100,693 146 0,500 000 000

On a employé la méthode de Runge-Kutta d’ordre 4 pour le calcul de y1 (r) et de y2 (r). On remarque la forme particulière de la solution y1 (r) qui est simplement y1 (r) = 100, ce que l’on vérifie aisément. On note que :

y1 (b) = y1 (2,0) = 100 et y2 (b) = y2 (2,0) = 100,693 146

ce qui permet d’évaluer c1 = 116,415 739, c2 = −115,415 739 ainsi que T (r) à l’aide de l’équation 7.36 (illustrée à la figure 7.14). On peut démontrer facilement que la solution analytique de cette équation est y(x) = 100 − 115,415 739 ln x, ce qui permet de calculer l’erreur absolue qui figure dans la

390

Chapitre 7 100 90

T (t)

80 70 60 50 40 30 20 10

1

1,2

1,4

1,6

1,8

2

2,2

2,4

t Figure 7.14 – Température dans la paroi d’une conduite dernière colonne du tableau suivant. Solution et erreur commise r T (r) Erreur 1,0 100,000 00 0,0000 × 10−0 1,1 88,999 737 0,1912 × 10−4 1,2 78,957 275 0,2752 × 10−4 1,3 69,719 100 0,2991 × 10−4 1,4 61,165 882 0,2883 × 10−4 1,5 53,203 025 0,2572 × 10−4 1,6 45,754 269 0,2142 × 10−4 1,7 38,757 236 0,1644 × 10−4 1,8 32,160 258 0,1109 × 10−4 1,9 25,920 052 0,5571 × 10−5 2,0 20,000 000 0,0000 × 10−0 Notons enfin que : T ′ (a) = c1 y1′ (a) + c2 y2′ (a) = c2 = −115,415 739 On constate donc que c2 est la pente T ′ (1) (l’angle de tir) qui était inconnue en r = 1.  On rencontre fréquemment un autre type d’équations différentielles avec conditions aux limites de la forme :   y ′′ (x) = a2 (x)y ′ (x) + a1 (x)y(x) + a0 (x) y(a) = ya (7.40)  y ′ (b) = y ′ b

Équations différentielles

391

La deuxième condition aux limites (c’est-à-dire en x = b) porte sur la dérivée de y(x). Un raisonnement similaire au précédent conduit au théorème suivant dont la démonstration est laissée en exercice. Théorème 7.55 La solution de l’équation différentielle avec conditions aux limites 7.40 est donnée par : ( ′ ) ( ′ ) yb − y2′ (b) y1 (b) − yb′ y(x) = y1 (x) + y2 (x) (7.41) y1′ (b) − y2′ (b) y1′ (b) − y2′ (b) où y1 (x) et y2 (x) sont les solutions des équations différentielles avec conditions initiales 7.37 et 7.38. ⋆ Remarque 7.56 Suivant la notation du système 7.39, la solution 7.41 s’écrit également : ( ′ ) ( ′ ) yb − y2′ (b) y1 (b) − yb′ y(x) = y1 (x) + y2 (x) y1′ (b) − y2′ (b) y1′ (b) − y2′ (b) ( ′ ) ( ) yb − v2 (b) u2 (b) − yb′ = u1 (x) + v1 (x) u2 (b) − v2 (b) u2 (b) − v2 (b) en fonction des variables des deux systèmes linéaires d’ordre 1. 

Exemple 7.57 Une tige métallique (voir Reddy, réf. [31]) de diamètre D = 0,02 m et de longueur L = 0,05 m est exposée à l’air ambiant à une température T∞ = 20 o C. La première extrémité de la tige est maintenue à T0 = 320 o C, tandis que l’autre extrémité est supposée parfaitement isolée, c’est-à-dire qu’il n’y a aucun flux de chaleur à cette extrémité ou encore que : T ′ (L) = 0 La figure 7.15 résume la situation. L’équation différentielle régissant la température T (x) dans la tige est de la forme : θ′′ (x) = N 2 θ(x) où θ(x) = T (x) − T∞ et :

4β kD Dans la définition de N , β est un coefficient de transfert de chaleur avec le milieu ambiant (β = 100 W· o C−1 · m−2 ) et k = 50 W · o C−1 · m−1 est la conductivité thermique. Les conditions aux limites relatives à θ sont donc : N2 =

θ(0) = T (0) − 20 o C = 300 o C et θ′ (0,05) = 0

392

Chapitre 7

T0 T∞

L

Figure 7.15 – Transfert thermique dans une tige métallique

ce qui correspond aux conditions du théorème précédent. On retrouve dans les tableaux qui suivent les valeurs des différentes variables obtenues en prenant un pas de temps h = 0,005. La solution des équations différentielles 7.37 et 7.38 pour y1 (x) et y2 (x) donne : Problème intermédiaire 7.37 x y1 (x) = u1 (x) y1′ (x) = u2 (x) 0,000 300,000 000 0,000 000 000 0,005 301,501 250 601,000 0000 0,010 306,020 020 1208,015 008 0,015 313,601 537 1827,120 225 0,020 324,321 679 2464,511 853 0,025 338,287 735 3126,569 112 0,030 355,639 484 3819,918 083 0,035 376,550 586 4551,498 023 0,040 401,230 327 5328,630 820 0,045 429,925 710 6159,094 267 0,050 462,923 927 7051,199 909

Problème intermédiaire 7.38 x y2 (x) = v1 (x) y2′ (x) = v2 (x) 0,000 300,000 000 1,000 000 000 0,005 301,506 258 602,005 0041 0,010 306,030 087 1209,035 075 0,015 313,616 763 1828,165 563 0,020 324,342 216 2465,592 925 0,025 338,313 790 3127,696 738 0,030 355,671 317 3821,103 548 0,035 376,588 515 4552,753 192 0,040 401,274 733 5329,968 255 0,045 429,977 036 6160,527 353 0,050 462,982 687 7052,742 989

Les valeurs : y1′ (0,05) = 7051,199 909 et y2′ (0,05) = 7052,742 989 sont nécessaires pour déterminer θ(x) en vertu de l’équation 7.41 qui devient dans ce cas : θ(x) = (4570,562 828)y1 (x) − (4569,562 828)y2 (x)

Équations différentielles

393

320

T (x) 300

280 260

240 220 200 0

0,005 0,010 0,015 0,020 0,025 0,030 0,035 0,040 0,045 0,050

x Figure 7.16 – Température dans une tige métallique : T (x) = θ(x) + T∞ ce qui nous amène à la solution : Solution et erreur commise x θ(x) Erreur 0,000 300,000 000 0,0000 × 10+0 0,005 278,615 356 0,2918 × 10−4 0,010 260,019 183 0,5371 × 10−4 0,015 244,025 365 0,7417 × 10−4 0,020 230,473 831 0,9109 × 10−4 0,025 219,228 952 0,1048 × 10−3 0,030 210,178 187 0,1159 × 10−3 0,035 203,230 951 0,1244 × 10−3 0,040 198,317 716 0,1307 × 10−3 0,045 195,389 308 0,1350 × 10−3 0,050 194,416 419 0,1373 × 10−3 Ici encore, une solution analytique existe : θ(x) = 300

cosh(N (L − x)) cosh(N L)

qui permet de comparer et d’évaluer l’erreur commise. La figure 7.16 présente la solution calculée. On remarque que les deux conditions aux limites sont bien vérifiées et en particulier que la pente de la température est nulle en x = 0,05, ce qui confirme que le flux de chaleur est nul. 

394

Chapitre 7

7.9.2

Équations non linéaires

Nous allons maintenant généraliser la démarche précédente au cas des équations non linéaires d’ordre 2 : y ′′ (x) = f (x, y(x), y ′ (x))

(7.42)

Nous distinguons ici encore deux types de conditions aux limites, complétant ainsi le problème 7.42. Dans le premier cas, la condition aux limites en x = b porte sur la fonction y(x) : y(a) = ya et y(b) = yb

(7.43)

tandis que, dans le deuxième cas, la condition aux limites est sur la dérivée y ′ (x) : y(a) = ya et y ′ (b) = yb′ (7.44) Ces 2 cas résulteront en des algorithmes légèrement différents, mais l’idée de base est toujours la même. De toute évidence, le problème linéaire (équation 7.35) déjà étudié en est un cas particulier. Tout comme dans le cas linéaire, nous allons utiliser des problèmes intermédiaires bien choisis mais avec conditions initiales. Par contre, puisque le problème est non linéaire, il ne suffira pas de résoudre seulement deux problèmes intermédiaires. Nous allons en fait établir un lien avec les méthodes de résolution d’équations non linéaires du chapitre 2. Considérons pour ce faire le problème intermédiaire suivant avec conditions initiales :  ′′  yβ (x) = f (x, yβ (x), yβ′ (x)) yβ (a) = ya (7.45)  y ′ (a) = β β Comme nous l’avons déjà vu, l’équation 7.45 se ramène à un système de deux équations d’ordre 1 en posant yβ (x) = yβ,1 (x) et yβ′ (x) = yβ,2 (x) : {

′ (x) = y yβ,1 yβ,1 (a) = ya β,2 (x) ′ yβ,2 (x) = f (x, yβ,1 (x), yβ,2 (x)) yβ,2 (a) = β

(7.46)

Considérons dans un premier temps la condition aux limites 7.43. L’idée est de trouver la bonne valeur de β (la pente en x = a) de sorte que yβ (b) = yb , ce qui revient à déterminer l’angle de tir en x = a permettant d’atteindre la cible yb en x = b. On constate alors que cela revient à résoudre l’équation non linéaire de la variable β : f (β) = yβ (b) − yb = yβ,1 (b) − yb = 0

(7.47)

Dans le cas des conditions aux limites 7.44, on résout de manière similaire l’équation non linéaire : f (β) = yβ′ (b) − yb′ = yβ,2 (b) − yb′ = 0 L’évaluation de la fonction f (β) s’effectue par étapes : 1. pour une valeur de β donnée ;

(7.48)

Équations différentielles

395

2. on résout le système 7.46 (par une méthode de Runge-Kutta) ; 3. – si les conditions aux limites sont de type 7.43, alors f (β) = yβ,1 (b) − yb – si les conditions aux limites sont de type 7.44, alors f (β) = yβ,2 (b) − yb′ On peut dès lors appliquer les méthodes du chapitre 2. On peut appliquer la méthode de Newton, mais cela nécessite la résolution d’une équation différentielle supplémentaire (provenant du calcul de f ′ (β)), ce qui alourdit significativement le travail. On se réfère à Burden et Faires (réf. [5]) pour plus de détails. La méthode des points fixes n’est pas appropriée ou, à tout le moins, est difficile à appliquer. Il reste donc les méthodes de la bissection et de la sécante. On a ainsi ramené la résolution de l’équation différentielle 7.42 avec comme conditions aux limites l’une ou l’autre des conditions 7.43 ou 7.44 à la solution d’une équation non linéaire d’une variable réelle. Les algorithmes des méthodes de la sécante et de la bissection restent les mêmes. Algorithme de la sécante 1. Pour β0 et β1 donnés 2. Pour n ≥ 1 : (βn − βn−1 ) βn+1 = βn − f (βn ) (f (βn ) − f (βn−1 )) Algorithme de la bissection 1. Pour β0 et β1 donnés et vérifiant f (β0 )f (β1 ) < 0 β0 + β1 2. On pose βm = 2 3. On choisit entre les intervalles [β0 , βm ] et [βm , β1 ] celui où il y a changement de signe de la fonction f (β) 4. On recommence le processus avec le nouvel intervalle Remarque 7.58 Le choix de β0 et β1 pour les méthodes de la bissection et de la sécante est toujours délicat. Dans le cas des conditions aux limites 7.43, une valeur approximative de β0 est : yb − ya β0 = b−a ce qui correspond à calculer la pente de la droite passant par les points (a, ya ) et (b, yb ). Pour des conditions aux limites de la forme 7.44, on prendra simplement β0 = yb′ , ce qui signifie que l’on utilise la pente de la droite de pente yb′ et passant par (a, ya ). Une fois β0 convenablement choisi, on détermine β1 pour la méthode de la bissection de sorte que la fonction f (β) change de signe dans l’intervalle [β0 , β1 ]. Enfin, pour la méthode de la sécante, on peut prendre par exemple β1 = 1,001β0 . Rappelons que les valeurs suggérées de β0 et β1 ne fonctionnent pas toujours et que rien ne garantit la convergence des méthodes de bissection et de la sécante. 

396

Chapitre 7

Exemple 7.59 Soit l’équation différentielle suivante : 2 1 y ′′ (x) = − y ′ (x) + 2 x x avec les conditions aux limites y(1) = 0 et y(2) = 0,693 147. Cette équation est linéaire. On peut cependant essayer de la résoudre comme si elle était non linéaire. Puisque les conditions aux limites imposées sont de la forme 7.43, on pose : 0,693 147 − 0 β0 = = 0,693 147 et β1 = 1,001β0 1−0 Dès la deuxième itération, on trouve β2 = 1,000 001 927 pour laquelle la fonction f de l’équation 7.47 vaut −3,55 × 10−15 . Ce résultat impressionnant vient du fait que l’équation de départ était linéaire. Pour une équation non linéaire, il faut habituellement quelques itérations comme le montre l’exemple qui suit. 

Exemple 7.60 L’exemple qui suit s’inspire d’un problème tiré du livre de James, Smith et Wolford [23]. On souhaite calculer la dissipation de chaleur dans un corps soumis au rayonnement solaire. Pour y arriver, on utilise des canaux de refroidissement auxquels sont greffées des plaques métalliques qui permettent d’augmenter la surface de rayonnement. Un liquide de refroidissement circule dans les canaux ainsi qu’à l’intérieur des plaques. On rencontre ce type de problèmes dans la conception de satellites dont la chaleur interne est dissipée par radiation (rayonnement) avec le milieu ambiant. On suppose que la plaque est très longue par rapport à sa largeur et que l’on peut considérer le problème comme étant unidimensionnel comme illustré à la figure 7.17. On doit alors résoudre une équation différentielle non linéaire de la forme :  2σϵ1 4  4  T ′′ (x) = (T − T∞ )   kh   (7.49) T (0) = 1110 o K       ′ T (L) = 0 Dans ce modèle, T est bien sûr la température (en o K), T∞ = 0 o K est la température du milieu ambiant (l’espace), σ = 5,67×10−8 joule· o K−4 ·m−2 ·s−1 est la constante de Boltzmann, k = 13,4136 joule · o K−1 · m−1 · s−1 est la conductivité thermique tandis que ϵ1 = 0,8, h = 0,0015 m et L = 0,075 m désignent respectivement l’émissivité (nombre adimensionnel), l’épaisseur et la longueur de la plaque. Les conditions aux limites signifient que la température de la plaque est connue à l’une des extrémités, car maintenue à une température fixe d’environ 1110 o K par un tube de refroidissement. À l’autre extrémité, on suppose que la plaque est parfaitement isolée et donc que le flux de chaleur est nul.

Équations différentielles Tube de refroidissement

397

Plaque

0

L

Figure 7.17 – Rayonnement dans une plaque On peut résoudre ce problème par la méthode de tir que nous venons de décrire. Dans un premier temps, on transforme l’équation différentielle d’ordre 2 en un système de deux équations différentielles d’ordre 1 en posant T (x) = T1 (x) et T ′ (x) = T2 (x) :  ′ T1 (0) = 1110   T1 (x) = T2 (x) (7.50)  4  T ′ (x) = 2σϵ1 (T14 − T∞ ) T (0) = β 2 2 kh La valeur du flux de température T ′ (0) = T2 (0) étant inconnue, on devra itérer pour modifier β jusqu’à ce que la solution vérifie : T ′ (L) = T2 (L) = 0 Nous utiliserons la méthode de la sécante bien que la variation de température risque d’être extrêmement brusque dans la plaque. La principale difficulté est de trouver des valeurs initiales β0 et β1 . Dans un premier temps, il semble approprié de tracer le graphique de la fonction f (β) (fig. 7.18) qui, dans ce cas, est donnée par la relation 7.48 avec yb′ = 0. Rappelons que, pour chaque valeur de β de ce graphique, on doit résoudre le système 7.50. On constate qu’il existe une racine de cette fonction autour de −55 000. En partant de β0 = −54 500 et β1 = −55 000, la méthode de la sécante a produit une valeur β = −54 976,58 en 5 itérations. Cette dernière valeur de β est donc celle qui nous assure qu’à l’autre extrémité de la plaque, on a un flux de température nul comme illustré à la figure 7.19. Cette valeur s’interprète également comme le gradient de température près du canal de refroidissement. On y constate donc une décroissance très rapide de la température, ce qui est précisément l’effet recherché. 

7.10

Méthodes des différences finies

Dans cette section, nous nous intéressons uniquement aux équations différentielles avec conditions aux limites et nous proposons une solution de remplacement à la méthode de tir de la section précédente. Il s’agit de la méthode des différences finies, qui constitue la principale application des techniques de différentiation numérique que nous avons vues. De plus, cette méthode s’étend

398

Chapitre 7

16

×104

f (β) 14 12 10 8 6 4 2 0 -2 -6

−5,9

−5,8

−5,7

−5,6

−5,5

β

−5,4 ×104

Figure 7.18 – Fonction f (β)

1200

T (x) 1100 1000 900 800

700 600 500 400 300

0

0,01

0,02

0,03

0,04

0,05

0,06

0,07

x Figure 7.19 – Température dans la plaque

0,08

Équations différentielles

399

facilement aux équations aux dérivées partielles, ce qui n’est pas le cas de la méthode de tir. On considère l’équation différentielle avec conditions aux limites : { ′′ y (x) = a2 (x)y ′ (x) + a1 (x)y(x) + a0 (x) y(a) = ya et y(b) = yb que l’on réécrit sous la forme : { ′′ y (x) − a2 (x)y ′ (x) − a1 (x)y(x) = a0 (x) y(a) = ya et y(b) = yb L’objectif est toujours de trouver une approximation yi de y(xi ) en certains points xi de l’intervalle [a , b]. On divise d’abord cet intervalle en n sousintervalles de longueur h = (b−a) et l’on note x0 = a, xi = a + ih et enfin n xn = a + nh = b. Les conditions aux limites imposent immédiatement que y0 = ya et que yn = yb . Il reste donc à déterminer les (n − 1) inconnues y1 , y2 , · · · , yn−1 . Pour ce faire, on construit un système linéaire de dimension (n − 1). La stratégie de résolution consiste à remplacer dans l’équation différentielle toutes les dérivées de la fonction y(x) par des formules aux différences finies, et ce, en chaque point xi pour i allant de 1 à (n − 1). Plus précisément, au point xi , l’équation différentielle s’écrit : y ′′ (xi ) − a2 (xi )y ′ (xi ) − a1 (xi )y(xi ) = a0 (xi ) On introduit ici les différences centrées : y ′′ (xi ) =

yi+1 − 2yi + yi−1 yi+1 − yi−1 + O(h2 ) + O(h2 ) et y ′ (xi ) = 2 h 2h

pour obtenir : yi+1 − 2yi + yi−1 − a2 (xi ) h2

(

yi+1 − yi−1 2h

) − a1 (xi )yi = a0 (xi ) + O(h2 )

En négligeant le terme d’erreur O(h2 ) et en multipliant par −2h2 , on trouve : − (2 + ha2 (xi )) yi−1 + (4 + 2h2 a1 (xi ))yi + (−2 + ha2 (xi )) yi+1 = −2h2 a0 (xi ) Cette dernière relation est vérifiée pour i = 1, 2, · · · , (n − 1). On note de plus que, dans la première équation (i = 1), yi−1 = y0 = ya et est une quantité connue. De même, à l’autre extrémité (i = n − 1), on a yi+1 = yn = yb . On est ainsi amené à résoudre le système linéaire :       

4 + 2h2 a1 (x1 )

−2 + ha2 (x1 )

0

0 .. −2 − ha2 (x2 ) 4 + 2h2 a1 (x2 ) −2 + ha2 (x2 ) . .. .. .. . . 0 . 2 0 −2 − ha2 (xn−2 ) 4 + 2h a1 (xn−2 ) −2 + ha2 (xn−2 ) 0 ··· −2 − ha2 (xn−1 ) 4 + 2h2 a1 (xn−1 )

      

400

Chapitre  y1  y2  . ×  ..  y n−2 yn−1

7 



    =    

−2h2 a0 (x1 ) + (2 + ha2 (x1 ))ya −2h2 a0 (x2 ) .. . −2h2 a0 (xn−2 )

     

(7.51)

−2h2 a0 (xn−1 ) + (2 − ha2 (xn−1 ))yb

Cette matrice est tridiagonale. Sa diagonale principale vaut 4 + 2h2 a1 (xi ) pour i = 1, 2, · · · , (n − 1), sa diagonale inférieure vaut −2 − ha2 (xi ) pour i = 2, 3, · · · , (n − 1) et enfin sa diagonale supérieure vaut −2 + ha2 (xi ) pour i = 1, 2, · · · , (n − 2). Tous les autres termes sont nuls. La résolution numérique d’une telle matrice est très rapide. On remarque de plus que les première et dernière lignes tiennent compte des conditions aux limites, par le biais du terme de droite. Exemple 7.61 On considère l’équation différentielle avec conditions aux limites :  2 1   y ′′ (x) = − y ′ (x) + 2 x x y(1) = 0   y(2) = 0,693 147 déjà résolue à l’aide de la méthode de tir. Dans ce cas, a2 (x) = − x2 , a1 (x) = 0 et a0 (x) = x12 . Les conditions aux limites sont ya = 0 et yb = 0,693 147. Si l’on prend 10 intervalles (h = 0,1), le système 7.51 est de dimension 9 et s’écrit (les coefficients de la matrice ont été tronqués à 3 chiffres) :             

4,0 −2,18 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,83 4,00 −2,16 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,84 4,0 −2,15 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,85 4,0 −2,14 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,86 4,0 −2,13 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,87 4,0 −2,12 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,88 4,0 −2,11 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,88 4,0 −2,11 0,0 0,0 0,0 0,0 0,0 0,0 0,0 −1,89 4,0        ×     

y1 y2 y3 y4 y5 y6 y7 y8 y9





            =          

−0,016 53 −0,013 89 −0,011 83 −0,010 20 −0,008 89 −0,007 81 −0,006 92 −0,006 17 +1,453 72

            

            

Équations différentielles

401

On obtient les résultats suivants : Différences finies : = −( x2 )y ′ (x) +

y ′′ (x) xi 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0

y(xi ) 0,000 0000 0,095 3101 0,182 3215 0,262 3642 0,336 4722 0,405 4651 0,470 0036 0,530 6282 0,587 7866 0,641 8538 0,693 1470

yi 0,000 0000 0,095 3410 0,182 3676 0,262 4157 0,336 5229 0,405 5111 0,470 0424 0,530 6582 0,587 8070 0,641 8640 0,693 1470

1 x2

|y(xi ) − yi | 0,000 00 × 10−0 0,308 38 × 10−4 0,460 66 × 10−4 0,515 12 × 10−4 0,507 48 × 10−4 0,460 29 × 10−4 0,388 08 × 10−4 0,300 39 × 10−4 0,203 57 × 10−4 0,101 88 × 10−4 0,000 00 × 10−0

On remarque immédiatement que l’erreur commise ici est plus grande que l’erreur produite par la méthode de tir. Cette différence d’erreur provient de l’ordre de précision des méthodes employées. En effet, la méthode de tir est d’ordre 4 puisqu’elle s’appuie sur une méthode de Runge-Kutta d’ordre 4. Dans le cas de la méthode des différences finies, l’erreur commise est d’ordre 2 puisqu’on a utilisé des différences centrées d’ordre 2. On pourrait améliorer la précision en insérant par exemple des différences centrées d’ordre 4. 

Remarque 7.62 Le choix de différences centrées, plutôt que de différences avant ou arrière, permet d’obtenir des résultats davantage précis, car d’ordre plus élevé. Toutefois, il peut se révéler utile dans certaines situations d’utiliser des différences avant ou arrière lorsqu’on recherche des schémas aux différences finies quelque peu différents. 

7.11

Applications

Cette dernière section contient un certain nombre d’applications des méthodes de résolution d’équations différentielles et plus précisément des sytèmes d’équations différentielles. Le lecteur pourra y apprécier la variété des applications de même que la puissance des méthodes que nous avons vues.

7.11.1

Problème du pendule

Comme nous l’avons vu au chapitre 1, si un pendule de masse m et de longueur l fait un angle θ(t) avec la verticale, θ(t) est la solution de l’équation

402

Chapitre 7

différentielle :

 c θ′ (t) g sin(θ(t))   θ′′ (t) = − f − m l = θ0   θ(0) θ′ (0) = θ0′

Le paramètre cf est un coefficient de frottement qui est souvent négligé et g = 9,8 m/s2 . Il s’agit bien sûr d’une équation différentielle d’ordre 2 avec des conditions relatives à la position et à la vitesse angulaire initiales. Suivant les techniques de la section 7.7, on transforme cette équation d’ordre 2 en un système de 2 équations d’ordre 1. Ce système s’écrit, dans le cas d’un pendule de masse et de longueur unitaires : { ′ y1 (t) = y2 (t) (y1 (0) = θ0 ) (7.52) y2′ (t) = −cf y2 (t) − g sin(y1 (t)) (y2 (0) = θ0′ ) Dans cet exemple, la variable y1 (t) est l’angle θ(t) et la variable y2 (t) est la vitesse angulaire θ′ (t). On résout ce système à l’aide de la méthode de RungeKutta d’ordre 4 et de l’algorithme de la page 371. Dans un premier temps, on néglige le terme de frottement en posant cf = 0, qui est une approximation fréquemment utilisée. De plus, on fait appel à l’approximation sin(θ(t)) ≃ θ(t), qui est valide dans le cas où l’angle θ(t) reste petit en tout temps. Le système 7.52 devient alors : { ′ y1 (t) = y2 (t) (y1 (0) = θ0 ) y2′ (t) = −gy1 (t) (y2 (0) = θ0′ ) Pour les conditions initiales θ0 = 0,1 rad et θ0′ = 0, qui indiquent que la position initiale du pendule fait un angle de 0,1 rad avec la verticale et que sa vitesse angulaire initiale est nulle, on obtient les résultats de la figure 7.20. Les conditions initiales choisies résultent en des oscillations de faible amplitude. Si l’on retire l’approximation sin(θ(t)) ≃ θ(t) tout en maintenant les mêmes conditions initiales, on doit résoudre : { ′ y1 (t) = y2 (t) (y1 (0) = θ0 ) y2′ (t) = −g sin(y1 (t)) (y2 (0) = θ0′ ) La figure 7.21 illustre la solution de ce nouveau système. Les courbes des figures 7.20 et 7.21 sont parfaitement superposables, ce qui démontre la validité de l’approximation sin(θ(t)) ≃ θ(t) pour ces conditions initiales. Cette approximation n’est cependant plus valable dans le cas où les angles θ(t) deviennent grands. Ce cas est illustré à la figure 7.22, où l’on a retenu les conditions initiales θ0 = 1,5 rad et θ0′ = 0 qui permettent des oscillations de forte amplitude. On voit nettement à la figure 7.22 que, bien que les deux courbes demeurent périodiques, elles diffèrent de manière importante. Un dernier exemple permet de mettre en évidence l’influence de la force de frottement et du coefficient cf . La figure 7.23 illustre le cas où cf = 0,1. On voit très nettement l’amplitude des oscillations diminuer. Le pendule finit par s’arrêter complètement. Un coefficient cf plus grand amortit plus rapidement les oscillations.

Équations différentielles

403

0,15

θ(t) 0,10

0,05

0

-0,05

-0,10

-0,15 0

4

2

6

8

10

Temps (s) Figure 7.20 – Pendule : cf = 0, sin(θ(t)) ≃ θ(t) avec θ0 = 0,1 et θ0′ = 0

0,15

θ(t) 0,10

0,05

0

-0,05

-0,10

-0,15 0

2

4

6

8

Temps (s) Figure 7.21 – Pendule : cf = 0 avec θ0 = 0,1 et θ0′ = 0

10

404

Chapitre 7

2,0

sin(θ) = θ

θ(t) 1,5 1,0

0,5 0 -0,5 -1,0 -1,5 -2,0 0

2

4

6

8

10

Temps (s) Figure 7.22 – Pendule : cf = 0 avec θ0 = 1,5 et θ0′ = 0

0,15

θ(t) 0,10 0,05

0 -0,05

-0,10

-0,15 0

2

4

6

8

Temps (s) Figure 7.23 – Pendule : cf = 0,1 avec θ0 = 0,1 et θ0′ = 0

10

Équations différentielles

7.11.2

405

Systèmes de masses et de ressorts

Prenons comme deuxième application un système de deux masses et de trois ressorts, tel que l’illustre la figure 7.24 (voir Strang, réf. [34]). La position d’équilibre est atteinte lorsque les forces de tension dans les ressorts sont équilibrées par le poids des masses. On note mi , les masses et ci , les coefficients de rigidité des ressorts. La loi de Hooke établit une relation linéaire entre la force fi et l’élongation ei du ie ressort de la forme : fi = ci ei (7.53) Si l’on perturbe l’équilibre en déplaçant une ou plusieurs masses, le système se met à vibrer suivant les équations : M

d2 ⃗u = −K⃗u dt2

ou encore :

d2 ⃗u (7.54) = −M −1 K⃗u dt2 [ ]T où le vecteur ⃗u(t) = u1 (t) u2 (t) exprime le déplacement de chacune des masses par rapport à la position d’équilibre. Le vecteur vitesse est bien sûr noté [ ]T [ ]T ⃗u′ (t). Les conditions initiales ⃗u(0) = u1,0 u2,0 et ⃗u′ (0) = u′1,0 u′2,0 complètent le système. La matrice M est la matrice de masse définie par : [ ] m1 0 M= 0 m2 K est la matrice de rigidité définie par : K = AT CA où A est la matrice d’incidence : 

 1 0 1  A =  −1 0 −1 et C est la matrice :



 c1 0 0 C =  0 c2 0  0 0 c3

La matrice d’incidence A est construite de telle sorte que : A⃗u = ⃗e En d’autres mots, pour des déplacements ⃗u donnés, A⃗u donne l’élongation ⃗e de chaque ressort. Le système 7.54 est le résultat de l’application de la loi de Hooke 7.53 et du second principe de Newton. Dans le cas où les masses mi et les constantes de

406

Chapitre 7

m1

m2

u1

u2

Figure 7.24 – Système de masses et de ressorts rigidité ci sont unitaires, les matrices M et C deviennent des matrices identité et la matrice K est simplement égale à AT A, c’est-à-dire : [ ] 2 −1 K= −1 2 Le système 7.54 devient alors : u′′1 (t) = −2u1 (t) + u2 (t) (u1 (0) = u1,0 et u′1 (0) = u′1,0 ) u′′2 (t) = u1 (t) − 2u2 (t) (u2 (0) = u2,0 et u′2 (0) = u′2,0 ) où ui,0 et u′i,0 sont respectivement la position et la vitesse initiales de la ie masse. Il faut maintenant ramener ce système de 2 équations différentielles d’ordre 2 à un système de 4 équations différentielles d’ordre 1. Il suffit pour ce faire de poser :  y (t) = u1 (t)   1 y2 (t) = u′1 (t)   y3 (t) = u2′ (t) y4 (t) = u2 (t) et le système devient :  ′ y (t) = y2 (t)   y1′ (t) = −2y 1 (t) + y3 (t) 2 ′ (t) = y (t) y  4  3′ y4 (t) = y1 (t) − 2y3 (t)

(y1 (0) = u1,0 ) (y2 (0) = u′1,0 ) (y1 (0) = u2,0 ) (y2 (0) = u′2,0 )

La figures 7.25 illustre les déplacements de chacune des deux masses en [ ]T fonction du temps selon les conditions initiales ⃗u(0) = 0,1 0,0 et ⃗u′ (0) = [ ]T 0,0 0,0 qui indiquent qu’une seule des masses est initialement déplacée.

Équations différentielles

0,15

u1 (t)

407

Solution analytique

Solution numérique

10

50

0,10 0,05 0 -0,05 -0,10 -0,15 0

20

30

40

60

70

80

t

0,15

u2 (t)

Solution analytique

Solution numérique

10

50

0,10 0,05 0 -0,05 -0,10 -0,15 0

20

30

40

60

70

t Figure 7.25 – Déplacements u1 (t) et u2 (t) des 2 masses

80

408

Chapitre 7

On remarque le caractère non périodique de chacun des déplacements. On pourrait montrer que la solution analytique est de la forme : √ u1 (t) = y1 (t) = 0,05(cos t + cos √3t) u2 (t) = y3 (t) = 0,05(cos t − cos 3t) Cette solution est une √ combinaison de deux signaux dont les fréquences respectives sont 1 et 3. Ces fréquences sont dites incommensurables, ce qui signifie que leur rapport est un nombre irrationnel. C’est ce qui explique la non-périodicité de la solution.

7.11.3

Attracteur étrange de Lorenz

On connaît l’importance accordée aux prévisions météorologiques dans la vie de tous les jours. Il importe en effet de pouvoir prédire les conditions climatiques afin de planifier bon nombre d’activités. Ce besoin est encore plus aigu lorsque se préparent des ouragans ou de simples tempêtes de neige. Or, la prévision météorologique est largement basée sur les méthodes numériques. Les travaux dans ce domaine remontent à quelques dizaines d’années. Un des pionniers fut Lorenz (réf. [26]), qui mit au point un modèle très simple de la forme :  ′ y1 (t) = σ(y2 (t) − y1 (t))     y2′ (t) = ry1 (t) − y2 (t) − y1 (t)y3 (t) (7.55)     ′ y3 (t) = y1 (t)y2 (t) − by3 (t) Selon Gulick (réf. [21]), la variable y1 (t) est proportionnelle à l’intensité des mouvements de convection, la variable y2 (t) est proportionnelle à la différence de température entre les courants ascendants et descendants, tandis que la variable y3 (t) est proportionnelle à la distorsion du profil vertical de température par rapport au profil linéaire. Les paramètres sont σ = 10, r = 28 et b = 2,666 6667. Lors de l’introduction de ce modèle, Lorenz s’est livré malgré lui à une expérience numérique que nous allons tâcher de reproduire ici. À partir de la [ ]T [ ]T condition initiale y1 (0) y2 (0) y3 (0) = 1 0 0 (on obtiendrait des résultats similaires avec toute autre condition initiale) et d’un pas de temps h = 0,01, Lorenz entreprit une simulation numérique qui devait produire une prévision météorologique sur plusieurs jours. Cependant, comme cela arrive souvent dans ce type de calcul, une malheureuse panne d’électricité se produisit autour de t = 100. Plutôt que de reprendre les calculs à partir du début − les ordinateurs de l’époque étaient beaucoup plus lents que ceux d’aujourd’hui −, Lorenz choisit de reprendre la simulation à partir de t = 80 correspondant à la dernière solution imprimée par son programme. Cela lui permettait de comparer les deux simulations sur une période d’environ 2 000 pas de temps, c’est-à-dire entre t = 80 et t = 100, et de vérifier ainsi si tout se passait bien. La nouvelle condition initiale était : [ ]T [ ]T y1 (80) y2 (80) y3 (80) = −2,4881 1,5045 26,865

Équations différentielles

409

Lorenz constata à sa grande surprise que les deux solutions n’étaient pas du tout identiques. La figure 7.26a montre les résultats de la première simulation pour les 2 000 derniers pas de temps (les 8 000 premiers pas de temps ne sont pas illustrés). De son côté, la figure 7.26b montre les 2 000 premiers pas de temps [ ]T à partir de la condition initiale −2,4881 1,5045 26,865 . On constate aisément que les deux courbes sont similaires au début, mais qu’elles diffèrent totalement par la suite. La figure 7.26c présente la superposition des deux courbes. Il fallait donner une explication à ce curieux phénomène. Après plusieurs jours, on comprit que le format suivant lequel le programme écrivait la solution dans un fichier ne comptait que 5 chiffres significatifs, alors que les calculs étaient effectués avec l’équivalent de 7 ou 8 chiffres (en simple précision). La solution de la première simulation à t = 80 qu’aurait dû imprimer l’ordinateur était : [

y1 (80) y2 (80) y3 (80)

]T

=

[

−2,488 1258 1,504 5223 26,865 757

]T

Il y avait donc une légère imprécision dans la condition initiale de la deuxième simulation. Ainsi, une petite erreur dans la connaissance de la condition initiale entraîne une très grande erreur dans la prévision numérique. Une telle sensibilité par rapport aux conditions initiales est dramatique en ce qui concerne la prévision météorologique. En effet, les conditions initiales pour tous les modèles numériques de prévision sont obtenues à partir d’observations et de mesures dont la précision n’est pas parfaite. Il y a donc toujours une erreur dans les conditions initiales du modèle. L’expérience de Lorenz démontre que, dans ces conditions, la prévision météorologique à court terme est possible, mais qu’il en est tout autrement des prévisions à moyen et à long termes. En effet, après un temps relativement court, l’imprécision relative aux conditions initiales domine la simulation. C’est ce que l’on appelle l’effet papillon. Le simple battement des ailes d’un papillon à Tokyo pourrait être suffisant pour provoquer une tempête tropicale aux Antilles... Terminons ce cas d’application en présentant le plan de phase que l’on obtient en traçant dans l’espace à 3 dimensions les points (y1 (t), y2 (t), y3 (t)). Il s’agit de l’attracteur étrange de Lorenz. Les plans de phase sont souvent utilisés pour visualiser l’interaction des différentes variables d’un système entre elles. Il s’agit de la trajectoire tracée par la solution (y1 (t), y2 (t), y3 (t)) à partir de la condition initiale. On obtiendrait un résultat semblable en partant de toute autre condition initiale. C’est pourquoi on qualifie cet attracteur d’étrange. Quelle que soit la condition initiale, la figure finale sera toujours celle de la figure 7.27. Les trajectoires sont donc invariablement attirées par cet «objet» que l’on nomme attracteur. Par ailleurs, si l’on considère deux conditions initiales très voisines, les deux trajectoires seront attirées par l’attracteur de Lorenz, mais elles suivront chacune un parcours totalement différent. C’est pourquoi on dit que l’attracteur est étrange. Cette extrême sensibilité aux conditions initiales crée l’effet papillon et rend ce type de problèmes tout à fait passionnant.

410

Chapitre 7

20

y1 (t)

15 10 5

a)

0 -5 -10 -15 -20 80

85

90

95

100

t 20

y1 (t)

15 10 5

b)

0 -5 -10 -15 -20 80

85

90

95

100

t 20

y1 (t)

15 10 5

c)

0 -5 -10 -15 -20 80

85

90

95

100

t Figure 7.26 – Lorenz : 2 simulations et superposition

Équations différentielles

411

40

y3

30 20 10 20 -15

-10

0 -5

0

5

y1

-10 10

-20

15

5

10

y2

Figure 7.27 – Attracteur de Lorenz

7.11.4

Défi du golfeur

Cet exemple s’inspire d’un problème présenté par Alessandrini à la référence [1]. Un golfeur souhaite améliorer ses coups roulés (son «putting»). La surface d’un vert est donnée par l’équation : x3 = s(x1 , x2 ) =

(x1 − 10)2 (x2 − 5)2 + −1 125 125

dont le vecteur normal unitaire est : ⃗n = (n1 , n2 , n3 ) =

⃗ N ⃗ || ||N

⃗ est le gradient de la surface x3 − s(x1 , x2 ) = 0, qui est perpendiculaire à où N cette surface et s’écrit : ( ) ∂s ∂s ⃗ N= − ,− ,1 ∂x1 ∂x2 La balle est initialement située à l’origine (0, 0, 0), le drapeau en (20, 0, 0) et le problème consiste à faire rouler la balle dans le trou. On note ⃗x(t) = (x1 (t), x2 (t), x3 (t)) la position de la balle au temps t et, de ce fait, ⃗x(t) ˙ = (x˙ 1 (t), x˙ 2 (t), x˙ 3 (t)) est le vecteur vitesse. La deuxième loi de Newton permet d’écrire : m⃗x ¨(t) = f⃗G + f⃗N + f⃗F où m est la masse de la balle et où l’on distingue trois forces agissant sur la balle. La première est la force gravitationnelle f⃗G = (0, 0, −mg) (g = 9,8 m/s2 ). On compte ensuite la force exercée par la surface f⃗N = mgn3⃗n et qui agit dans la direction normale à cette surface. Enfin, la force de friction s’oppose au mouvement et agit dans la direction tangente à la trajectoire, c’est-à-dire dans la direction du vecteur vitesse (normalisé) et son module est proportionnel à

412

Chapitre 7

la force normale (||f⃗G || = µ||f⃗N ||). On a donc f⃗F = −µmgn3

⃗ x(t) ˙ . ||⃗ x(t)|| ˙

On estime

la valeur du coefficient cinématique (adimensionnel) de friction µ à 0,2. Le système s’écrit :  x˙ 1 (t)   x ¨1 (t) = gn3 n1 − µgn3 √ 2    x˙ 1 (t) + x˙ 22 (t) + x˙ 23 (t)       x˙ 2 (t) x ¨2 (t) = gn3 n2 − µgn3 √ 2  x˙ 1 (t) + x˙ 22 (t) + x˙ 23 (t)        x˙ 3 (t)   ¨3 (t) = −g + gn3 n3 − µgn3 √ 2  x x˙ 1 (t) + x˙ 22 (t) + x˙ 23 (t) On a ainsi un système de 3 équations différentielles d’ordre 2 qui peut être transformé en un système équivalent de 6 équations différentielles d’ordre 1. Cependant, puisque : x3 (t) =

(x1 (t) − 10)2 (x2 (t) − 5)2 + −1 125 125

(7.56)

on a :

2 ((x1 (t) − 10)x˙ 1 (t) + (x2 (t) − 5)x˙ 2 (t)) (7.57) 125 et l’on peut donc exprimer ces 2 variables en fonction des autres et les éliminer du système. On pose maintenant : x˙ 3 (t) =

y1 (t) y2 (t) y3 (t) y4 (t)

= = = =

x1 (t) x2 (t) x˙ 1 (t) x˙ 2 (t)

et le système devient :  y˙ 1 (t) = y3 (t)         y˙ 2 (t) = y4 (t)     

y3 (t) y˙ 3 (t) = gn3 n1 − µgn3 √ 2   y3 (t) + y42 (t) + x˙ 23 (t)        y4 (t)     y˙ 4 (t) = gn3 n2 − µgn3 √ 2 y3 (t) + y42 (t) + x˙ 23 (t)

où l’on a posé, en vertu de l’équation 7.57 : x˙ 3 (t) =

2 ((y1 (t) − 10)y3 (t) + (y2 (t) − 5)y4 (t)) 125

Supposons que l’on frappe la balle au temps t = 0. On connaît un certain nombre de conditions initiales. On sait que la position initiale de la balle est

Équations différentielles

413

en (0, 0, 0) et donc que y1 (0) = 0, y2 (0) = 0. Par contre, le vecteur vitesse initial est inconnu et donc y3 (0) et y4 (0) sont à déterminer. De plus, on ignore le temps T que prendra la balle pour tomber dans la coupe. On ignore donc sur quelle période on devra effectuer la résolution du système d’équations différentielles. Pour contourner cette difficulté, on introduit une nouvelle inconnue : y5 (t) = T de sorte que : y˙ 5 (t) = 0 et l’on effectue le changement de variable : τ=

t T

et yi (t) = yi (T τ ) = Yi (τ )

La variable indépendante t varie entre 0 et T , mais τ varie entre 0 et 1. On résoudra donc le système d’équations différentielles à l’aide de cette nouvelle variable. De plus, les dérivées par rapport à t deviennent : dYi dyi dt dyi dyi Y˙ i (τ ) = = = T = Y5 = y˙ i (t)Y5 (τ ) dτ dt dτ dt dt et il suffit de multiplier le système par Y5 (τ ) pour obtenir :  ˙ Y1 (τ ) = Y3 (τ )Y5 (τ )         Y˙ 2 (τ ) = Y4 (τ )Y5 (τ )      ( )    Y (t)  3  Y˙ 3 (τ ) = gn3 n1 − µgn3 √ 2 Y5 (τ ) Y3 (t) + Y42 (t) + x˙ 23 (t)    ) (     Y (t) 4   Y5 (τ ) Y˙ 4 (τ ) = gn3 n2 − µgn3 √ 2   2 (t) + x 2 (t)  Y (t) + Y ˙  3 4 3      Y˙ 5 (τ ) = 0

(7.58)

Les conditions initiales sont : Y1 (0) = 0 Y2 (0) = 0 Y3 (0) = a Y4 (0) = b Y5 (0) = T

(7.59)

et il y a donc 3 conditions initiales inconnues que l’on a noté a, b et T . En revanche, on sait qu’en t = T ou encore en τ = 1, la balle devra se retrouver dans la coupe et sa vitesse à ce moment devra être nulle. On a donc : Y1 (1) Y2 (1) Y3 (1) Y4 (1)

= = = =

20 0 0 0

414

Chapitre 7

19 4

x3 3

2

1

0

-1 25

-5 0 20

15

10

x2 5

0

5

x1 Figure 7.28 – Trajectoire de la balle On doit donc déterminer les 3 paramètres a, b et T de sorte que :     Y1 (1) − 20 0 ⃗ b, T ) =  = 0  Y2 (1) − 0 R(a, 0 Y32 (1) + Y42 (1) + x˙ 23 (1) et l’on a un système non linéaire à résoudre. En effet, si l’on arrive à annuler ce vecteur résidu, la balle sera dans la coupe et sa vitesse sera nulle ! On va donc utiliser une méthode de Newton pour les systèmes non linéaires. Il faut cependant remarquer que, pour évaluer ce résidu, il faut d’abord résoudre le système 7.58 avec les conditions initiales 7.59. Il s’agit d’un problème relativement complexe. On utilise une méthode de Runge-Kutta d’ordre 4 pour le système d’équations différentielles. [ ]T Il faut déterminer une approximation initiale du vecteur a b T . En première approximation, il semble raisonnable de viser directement vers la coupe, c’est-à-dire de choisir Y3 (0) = a0 = 4 et Y4 (0) = b0 = 0. La distance à la coupe étant de 20 mètres, on prendra Y5 (0) = T0 = 5. On vise donc directement la coupe à une vitesse de 4 m/s et l’on estime à 5 s le temps de parcours de la balle. Contrairement à un golfeur, nous avons droit à l’erreur sur ces valeurs initiales, car la méthode de Newton va corriger le tir. Remarquons enfin qu’il n’est nullement nécessaire de réduire la norme du résidu à une valeur extrêmement petite puisque la coupe est de largeur non nulle et la vitesse finale doit être faible, mais pas forcément nulle pour que la balle tombe dans la coupe. Après 14 itérations, la méthode de Newton converge vers a = 8,8655, b = −2,0628 et T = 6,2019. Le vecteur vitesse est donc en vertu de l’équation 7.57 : ⃗x˙ (0) = (8,865 541 , − 2,062 796 , − 1,253 463) Frappée dans cette direction et avec cette vitesse (9,188 m/s), la balle roulera

Équations différentielles

415

pendant 6,2019 s pour tomber dans la coupe ! On peut voir la trajectoire de la balle à la figure 7.28. Remarque 7.63 On peut difficilement parler d’une application en ingénierie dans l’exemple précédent. Ce type de problème est toutefois relativement fréquent et la technique de résolution développée peut s’appliquer directement. Considérons par exemple la convection naturelle le long d’une plaque verticale chauffée à une température T0 et immergée dans un fluide de densité ρ∞ , de viscosité µ∞ et à une température T∞ . On cherche à obtenir la température T dans le fluide. On pose ensuite : θ= qui vérifie :

θ′′

=

T − T∞ T0 − T∞

3 ′ 4Fθ

F ′′′ = θ −

1 Pr

(1

2F

′2

− 34 F F ′′

)

où P r est le nombre adimensionnel de Prandl et F est une fonction auxiliaire. Les 5 conditions initiales sont : F (0) F ′ (0) F ′′ (0) θ(0) θ′ (0)

= 0 = 0 = ? = 1 = ?

Deux des conditions initiales sont donc inconnues. Par contre, on sait qu’à une distance L suffisamment grande de la plaque, on a : F (L) = 0 θ(L) = 0 On a donc ici un problème similaire dont la solution nécessite de résoudre un système non linéaire. 

416

Chapitre 7

7.12

Exercices

1. Faire trois itérations avec h = 0,1 des méthodes d’Euler explicite, d’Euler modifiée, du point milieu et de Runge-Kutta d’ordre 4 pour les équations différentielles suivantes : a) y ′ (t) = t sin(y(t)) (y(0) = 2) b) y ′ (t) = t2 + (y(t))2 + 1 (y(1) = 0) c) y ′ (t) = y(t)et (y(0) = 2) 2. L’équation différentielle : y ′ (t) = y(t) + e2t

(y(0) = 2)

possède la solution analytique y(t) = et + e2t . a) En prenant h = 0,1, faire 3 itérations de la méthode d’Euler modifiée et calculer l’erreur commise sur y3 en comparant les résultats avec la solution analytique y(0,3). b) En prenant h = 0,05, faire 6 itérations de la méthode d’Euler modifiée et calculer l’erreur commise sur y6 en comparant les résultats avec la solution analytique y(0,3). c) Faire le rapport des erreurs commises en a) et en b) et commenter le résultat en fonction de l’erreur de troncature locale liée à la méthode utilisée. d) Utiliser l’extrapolation de Richardson pour obtenir une meilleure approximation de y(0,3). 3. Refaire l’exercice précédent, mais cette fois à l’aide de la méthode de Runge-Kutta d’ordre 4. 4. On considère l’équation différentielle : { ′ y (t) = 2y(t) (7.60) y(0) = 5 a) Vérifier que la solution analytique est y(t) = 5e2t . b) En posant h = N1 , montrer que les approximations fournies par la méthode d’Euler explicite peuvent s’écrire yn = 5(1 + 2h)n , pour n = 0, . . . , N . c) Vérifier numériquement que l’erreur e(h) se comporte suivant la relation e(h) ≈ Kh, où K est une constante. 5.

1

On considère l’équation différentielle : { ′ y (t) = −11y(t) y(0) = 2

(7.61)

Pour résoudre cette équation numériquement sur l’intervalle [0, 1], on se donne, pour chaque entier N , un pas h = 1/N et des noeuds xn = nh, n = 1, . . . , N. 1. Les exercices précédés du symbole nécessitent l’utilisation d’un ordinateur. Pour R qui possède faciliter la tâche de programmation, nous recommandons le logiciel Matlab⃝ toutes les fonctionnalités de base nécessaires à l’apprentissage des méthodes numériques.

Équations différentielles

417

a) En répétant le raisonnement de l’exercice précédent, montrer que l’application de la méthode d’Euler explicite conduit aux approximations : yn = 2(1 − 11h)n . b) Représenter graphiquement les approximations ainsi obtenues pour h = 0,2, 0,1, 0,09 et 0,01. Parmi ces courbes, quelles sont celles qui correspondent à une approximation acceptable de la courbe intégrale recherchée. c) Recommencer cet exercice avec la méthode de Runge-Kutta d’ordre 2. Quelle est la limite supérieure des valeurs de h qui donnent des approximations acceptables ? Suggestion : la solution du problème 7.61 est de la forme y = Aeat , où A et a sont faciles à calculer. 6. Montrer que l’ordre de l’erreur de troncature locale de la méthode du point milieu est 2. Identifier en premier lieu la fonction ϕ(t, y(t)). 7. Faire deux itérations de la méthode de Runge-Kutta d’ordre 4 (en prenant h = 0,1) pour le système d’équations différentielles suivant : { ′ y1 (t) = y2 (t) + y1 (t) (y1 (1) = 2) y2′ (t) = y1 (t) + t (y2 (1) = 1) 8. Transformer les équations différentielles d’ordre supérieur suivantes en systèmes d’équations différentielles d’ordre 1. a) y (3) (t) = y (2) (t) + y (1) (t) − y(t) + 1 y(0) = 2, y (1) (0) = 2 et y (2) (0) = 1 b) y (2) (t) = t2 + (y(t))2 + 1 y(1) = 0 et y (1) (1) = 2 c)

y (4) (t) = y (2) (t)et + (y (3) (t))3 y(0) = 2, y (1) (0) = 1, y (2) (0) = 0 et y (3) (0) = 4

9. On doit résoudre l’équation différentielle d’ordre 2 : y (2) (x) + y (1) (x) − 2y(x) + 16 = 0 avec y(0) = −7 et y(3) = 12,0855, à l’aide d’une méthode de tir. a) Donner l’expression des deux équations différentielles d’ordre 2 avec conditions initiales qui permettent de résoudre cette équation différentielle (on notera y1 (x) et y2 (x) les solutions de ces 2 équations différentielles). b) Ramener chacune des équations différentielles avec conditions initiales obtenues en a) à un système de deux équations différentielles d’ordre 1. On a résolu les 2 systèmes d’équations différentielles décrits en b) par une méthode de Runge-Kutta d’ordre 4 en utilisant un pas de

418

Chapitre 7 temps h = 0,03 (la solution est indiquée seulement à tous les 10 pas de temps). On a ainsi obtenu les résultats suivants : Solution y1 (xi ) −0,700 000 × 101 −0,824 264 × 101 −0,117 271 × 102 −0,174 225 × 102 −0,256 547 × 102 −0,370 658 × 102 −0,526 330 × 102 −0,737 366 × 102 −0,102 272 × 103 −0,140 819 × 103 −0,192 867 × 103

y1 (x)

xi 0,0 0,3 0,6 0,9 1,2 1,5 1,8 2,1 2,4 2,7 3,0

y2 (x)

xi 0,0 0,3 0,6 0,9 1,2 1,5 1,8 2,1 2,4 2,7 3,0

Solution y2 (xi ) −0,700 000 × 101 −0,797 563 × 101 −0,112 201 × 102 −0,166 577 × 102 −0,245 782 × 102 −0,355 885 × 102 −0,506 256 × 102 −0,710 196 × 102 −0,986 012 × 102 −0,135 861 × 103 −0,186 173 × 103

y1′ (xi ) +0,000 000 × 100 −0,801 047 × 101 −0,152 092 × 102 −0,229 430 × 102 −0,322 939 × 102 −0,443 190 × 102 −0,602 232 × 102 −0,815 117 × 102 −0,110 149 × 103 −0,148 752 × 103 −0,200 830 × 103 y2′ (xi ) +0,100 000 × 101 −0,719 464 × 101 −0,144 010 × 102 −0,220 129 × 102 −0,311 268 × 102 −0,427 919 × 102 −0,581 844 × 102 −0,787 796 × 102 −0,106 469 × 103 −0,143 789 × 103 −0,194 133 × 103

c) En vous servant de ces résultats, obtenir une approximation de y(1,2). d) Même question qu’en c), mais en remplaçant les conditions aux limites de l’équation différentielle de départ par y(0) = −7 et y ′ (3) = 4,198 559. 10. Montrer que l’équation 7.41 est bien une solution de l’équation différentielle 7.40. 11. Montrer que l’équation différentielle avec conditions aux limites : { ′′ y (x) = a2 (x)y ′ (x) + a1 (x)y(x) + a0 (x) y ′ (a) = ya′ et y(b) = yb possède la solution : ( ) ( ) yb − y2 (b) y1 (b) − yb y1 (x) + y2 (x) y(x) = y1 (b) − y2 (b) y1 (b) − y2 (b)

Équations différentielles

419

où y1 (x) et y2 (x) sont les solutions de : { ′′ y1 (x) = a2 (x)y1′ (x) + a1 (x)y1 (x) + a0 (x) y1 (a) = 0 et y1′ (a) = ya′ et :

{

y2′′ (x) = a2 (x)y2′ (x) + a1 (x)y2 (x) + a0 (x) y2 (a) = 1 et y2′ (a) = ya′

12. On considère l’équation différentielle : y ′ (t) = 2t − 3y(t),

y(0) = 1

a) Montrer que la solution exacte est donnée par : 2 2 11 −3t y(t) = − + t + e 9 3 9 b) Vérifier que les approximations obtenues en prenant h = 0,25 et la méthode de Taylor d’ordre 2 ou la méthode de Runge-Kutta d’ordre 2 sont égales. c) Écrire les formules aux différences (voir l’équation 7.4) obtenues pour chacune des deux approches. Expliquer pourquoi, dans ce cas particulier, les deux formules coïncident. 13.

On considère le problème d’équation différentielle : { ′ y (t) = ty 2 (t) y(0) = 1

(7.62)

a) Calculer la solution exacte de √ cette équation différentielle et remarquer ce qui se passe en t = 2. √ b) Trouver une approximation de la solution sur [0, b], où b < 2, par les méthodes d’Euler explicite et de Runge-Kutta d’ordre 2. En variant h, √ comparer le comportement des deux méthodes lorsque b tend vers 2. 14.

On considère le problème :  3y(t)   y ′ (t) = − t2   y(1) = 2e3 Comparer les approximations de la solution obtenues en t = 0,4 par la méthode d’Euler explicite avec h = 0,0016, par la méthode du point milieu avec h = 0,04 et par la méthode de Runge-Kutta d’ordre 4 avec h = 0,2. La comparaison se fera sur la base de la précision et du nombre de fois qu’il faut évaluer f (t, y).

420

Chapitre 7

15. Résoudre l’équation différentielle : y ′ (t) = t sin(y(t))

(y(0) = 2)

à l’aide des méthodes de prédiction-correction d’ordre 2 et 4 (prendre h = 0,1 et utiliser les valeurs calculées à l’exercice 1 a) à l’aide de la méthode de Runge-Kutta d’ordre 4 pour obtenir les premières valeurs des yi ). Effectuer 3 pas de temps. 16. Donner le système tridiagonal requis pour résoudre l’équation différentielle :  ( ) 2  ′′ y (x) = 1 + y(x) − (x + 2) x  y(0) = 0 et y(1) = 2 à l’aide de la méthode des différences finies centrées (prendre 5 intervalles). 17. On veut résoudre par la méthode des différences finies l’équation différentielle : y ′′ (x) − a2 (x)y ′ (x) − a1 (x)y(x) = a0 (x) avec les conditions aux limites y(a) = ya et y(b) = yb . Déterminer le système tridiagonal résultant lorsqu’on utilise une différence arrière d’ordre 1 pour y ′ (x) et une différence centrée d’ordre 2 pour y ′′ (x). Quel est l’ordre de précision de cette méthode ? 18. Transformer le système de 2 équations différentielles d’ordre 2 suivant en un système de 4 équations différentielles d’ordre 1. Bien indiquer les conditions initiales.  −x(t)   x′′ (t) = x(0) = 0,4 x′ (0) = 0,0  3   2 2  ((x(t)) + (y(t)) ) 2    ′′    y (t) =

−y(t) ((x(t))2

+

3

y(0) = 0,0 y ′ (0) = 2,0

(y(t))2 ) 2

19. On vous demande de résoudre le système d’équations différentielles suivant pour modéliser le mouvement d’un pendule de Foucault :   x′′ (t) = 2ωy ′ (t) sin ψ − k 2 x(t) x(0) = 1 x′ (0) = 0  y ′′ (t) = −2ωx′ (t) sin ψ − k 2 y(t) y(0) = 0 y ′ (0) = 0 où (x(t), y(t)) désigne la trajectoire du pendule dans le plan, ω est la vitesse angulaire de la terre, ψ est la latitude locale et k 2 = g/l, g étant l’accélération gravitationnelle et l la longueur du pendule. Discuter brièvement d’une stratégie de résolution et, si nécessaire, reformuler ce problème pour que l’on puisse le résoudre par les techniques numériques vues dans ce chapitre. Ne pas résoudre.

Équations différentielles

421

20. La vitesse verticale d’un parachutiste en chute libre est solution de : { c v ′ (t) = g − v(t) m v(0) = 0 où la masse m = 68 kg, le coefficient de résistance à l’air c = 14 kg/s et g = 9, 8 m/s2 . On a résolu cette équation différentielle par la méthode de Runge-Kutta d’ordre 4 et l’on a obtenu les résultats suivants : Solution v(t) t (s) v (m/s) t (s) v (m/s) 0 0,000 000 1 8,855 846 6 33,760 03 2 16,065 71 7 36,335 21 3 21,933 24 8 38,431 23 4 26,709 01 9 40,137 25 5 30,596 16 10 ? a) Compléter le tableau. b) Donner une approximation d’ordre 2 de l’accélération du parachutiste en t = 4,5 s. c) Obtenir une approximation d’ordre au moins 4 de la distance verticale que le parachutiste parcourt pendant les 4 premières secondes. d) Obtenir une approximation d’ordre au moins 4 de la distance verticale que le parachutiste parcourt pendant les 5 premières secondes. 21. On veut résoudre l’équation différentielle : y ′ (t) = t − y(t)

(7.63)

dans l’intervalle [0 , 1] sous la condition de périodicité y(0) = y(1). Pour ce faire, on résout les 2 problèmes intermédiaires suivants : { ′ y1 (t) = t − y1 (t) y1 (0) = 0 y2′ (t) = −y2 (t) y2 (0) = 1 Pour ces 2 problèmes, on a obtenu les résultats suivants :

j 0 1 2 3 4 5 6 7 8 9 10

Solution y1 (t) tj y1j 0,000 0,000 000 × 10+0 0,100 4,837 500 × 10−3 0,200 1,873 090 × 10−2 0,300 4,081 842 × 10−2 0,400 7,032 029 × 10−2 0,500 1,065 309 × 10−1 0,600 1,488 119 × 10−1 0,700 1,965 856 × 10−1 0,800 2,493 293 × 10−1 0,900 3,065 700 × 10−1 1,000 3,678 798 × 10−1

j 0 1 2 3 4 5 6 7 8 9 10

Solution y2 (t) tj y2j 0,000 1,000 000 × 10+0 0,100 9,048 375 × 10−1 0,200 8,187 309 × 10−1 0,300 7,408 184 × 10−1 0,400 6,703 203 × 10−1 0,500 6,065 309 × 10−1 0,600 5,488 119 × 10−1 0,700 4,965 856 × 10−1 0,800 4,493 293 × 10−1 0,900 4,065 700 × 10−1 1,000 3,678 798 × 10−1

422

Chapitre 7 a) Montrer si c est une constante, y(t) = y1 (t) + cy2 (t) est une solution de l’équation différentielle 7.63. b) Calculer la constante c qui permettra d’avoir y(0) = y(1). c) Quelle est la valeur de y(0,5) ?

22. On veut résoudre l’équation différentielle avec conditions aux limites :  ( )  y ′′ (x) = 81 32 + 2x3 − y(x)y ′ (x) y(1) = 17  y(3) = 43 3 a) Cette équation différentielle est-elle linéaire ? Pour résoudre ce problème, on va se servir de l’équation différentielle avec conditions initiales suivante :  ) (   yβ′′ (x) = 18 32 + 2x3 − yβ (x)yβ′ (x) yβ (1) = 17   y ′ (1) = β β Il suffit ensuite de trouver la valeur du paramètre β de sorte que yβ (3) = 43 3 . b) Donner une interprétation géométrique de cette méthode. c) Écrire cette dernière équation différentielle sous la forme d’un système de 2 équations différentielles d’ordre 1 avec conditions initiales. On a résolu le système obtenu en c) pour β1 = −10 et β2 = −12 par une méthode de Runge-Kutta d’ordre 4 en utilisant un pas de temps h = 0,1 (la solution est indiquée seulement à tous les 4 pas de temps). On a ainsi obtenu : β1 = yβ (x) 1,700 000 × 101 1,452 246 × 101 1,388 176 × 101 1,420 276 × 101 1,513 410 × 101 1,652 553 × 101

−10

x 1,0 1,4 1,8 2,2 2,6 3,0

β2 = yβ (x) 1,700 000 × 101 1,395 818 × 101 1,301 724 × 101 1,318 164 × 101 1,405 758 × 101 1,546 717 × 101

−12

x 1,0 1,4 1,8 2,2 2,6 3,0

yβ′ (x) −1,000 000 × 101 −3,341 190 × 100 −1,877 628 × 10−1 +1,656 797 × 100 +2,941 136 × 100 +3,994 271 × 100 yβ′ (x) −1,200 000 × 101 −4,336 713 × 100 −7,342 975 × 10−1 +1,404 508 × 100 +2,905 261 × 100 +4,110 557 × 100

Équations différentielles

423

d) En vous servant de ces données et à l’aide de la méthode de la sécante, proposer une nouvelle valeur de β qui permette de s’approcher de la solution de l’équation différentielle avec conditions aux limites de départ.

Réponses aux exercices Réponses aux exercices du chapitre 1 a) ∆x ≤ 0,5 × 10−4 , Er ≃ 0,405 × 10−3 b) ∆x ≤ 0,5 × 10−3 , Er ≃ 0,570 × 10−4 c) ∆x ≤ 0,5 × 10−5 , Er ≃ 0,159 × 10−5 d) ∆x ≤ 0,5 × 10−8 , Er ≃ 0,445 × 10−4 e) ∆x ≤ 0,5 × 10−3 , Er ≃ 0,625 × 10−4 f) ∆x ≤ 0,5 × 10+3 , Er ≃ 0,223 × 10−4 2. Le passage en binaire donne : a) (32)10 = (100 000)2 d) (876)10 = (1 101 101 100)2 b) (125)10 = (1 111 101)2 e) (999)10 = (1 111 100 111)2 c) (1231)10 = (10 011 001 111)2 f) (12 345)10 = (11 000 000 111 001)2 1.

3.

a) Complément à 2 : (+125)10 = (01 111 101)2 , (−125)10 = (10 000 011)2 , (0)10 = (00 000 000)2 , (±175)10 ne peuvent pas être représentés sur 8 bits, (−100)10 = (10 011 100)2 b) Représentation par excès (d = 27 ) : (+125)10 = (11 111 101)2 , (−125)10 = (00 000 011)2 , (0)10 = (10 000 000)2 , (±175)10 ne peuvent pas être représentés sur 8 bits, (−100)10 = (00 011 100)2 4. a) Binaire classique : (00 000 011)2 = (3)10 , (10 000 001)2 = (129)10 , (11 111 111)2 = (255)10 b) Complément à 2 : (00 000 011)2 = (+3)10 , (10 000 001)2 = (−127)10 , (11 111 111)2 = (−1)10 c) Représentation par excès (d = 27 ) : (00 000 011)2 = (−125)10 , (10 000 001)2 = (+1)10 , (11 111 111)2 = (+127)10 5. Le passage en binaire donne : a) (0,5)10 = (0,1)2 d) ( 31 )10 = (0,010 101 010 · · · )2 b) (0,2)10 = (0,001 100 110 011 · · · )2 e) (0,25)10 = (0,01)2 c) (0,9)10 = (0,111 001 100 110 011 · · · )2 f) ( 83 )10 = (0,011)2 6.

a) 1100 0010 0101 0000 1111 0000 0000 0000 b) 0100 0101 1101 1110 0100 0000 0000 0000 c) 0100 0001 1000 0001 1001 1001 1001 1010 (valeur arrondie) En retransformant ces réponses en décimal, on trouve : a)−52,234 375, b) 7 112,0 et c) 16,200 000 75. 425

426

Réponses aux exercices

Les deux premières représentations sont exactes, mais la troisième comporte une erreur absolue de 0,75 × 10−6 et une erreur relative de 0,46 × 10−7 qui est bien entendu inférieure à la précision machine ϵm en simple précision. 7. a) Les valeurs binaires des exposants admissibles sont 001, 010, 011, 100, 101, et 110. Compte tenu de l’excès de 3, les valeurs décimales correspondantes sont −2, −1, 0, 1, 2 et 3. b) Le nombre est positif (0) et il faut utiliser le plus petit exposant (001) et la plus petite mantisse 0000. Le nombre correspondant est : (−1)0 2(001)2 2−3 1,0000 = 2−2

8.

c) La mantisse comporte 4 bits plus un bit muet qui n’est pas mis en mémoire. La précision machine est donc 21−5 . d) On montre facilement que (3,25)10 = (11,01)2 = 1,1010 × 21 . L’exposant est 1 qui devient (100)2 tel que vu en a). La mantisse est tout simplement 1010. En somme, on représente 3,25 par 0100 1010 en notation IEEE-FICT. a) e → 0,2718 × 101 b) 16 → 0,1667 × 100 c)

2 3

→ 0,6667 × 100

d) 12,487 × 105 → 0,1249 × 107 e) 213 456 → 0,2135 × 106 f) 2000,1 → 0,2000 × 104 9. (x + y) + z = 0,196 × 104 , alors que x + (y + z) = 0,195 × 104 10. On obtient : a) 0,999 × 100 b) 0,214 × 108 c) 0,237 × 101 d) 0,105 × 105 e) 0,700 × 103 f) 0,316 × 104 11.

a) La valeur exacte est : x = 0,1011 La valeur approximative est : xapp = 0,1 b) En sommant de droite à gauche, on obtient : xapp = 0,101 et on évite de sommer deux nombres d’ordres de grandeur différents. 1 1 1 = 1,53 12. a) + + · · · + 1 4 100 1 1 b) + + · · · + 1 = 1,54 100 81 En double précision on obtient : 10 ∑ 1 = 1,549 767 731 166 541 i2 i=1

Le deuxième calcul est donc plus précis car la somme est effectuée par ordre croissant des termes. 13. Non, voir l’exercice a) du numéro 10 pour un exemple.

Réponses aux exercices

427

14. 9 × 10 × 10 possibilités pour la mantisse, 19 exposants différents et 2 signes (±) pour un total de 34 200 nombres. On ajoute 1 à ce nombre pour tenir compte de l’exception 0. 15. Si x est près de 0, cos x est également près de 1 et il y a risque d’élimination par soustraction des chiffres significatifs. Une solution de rechange est : (1 + cos x) sin2 x (1 − cos x) = (1 + cos x) (1 + cos x) 16.

a) cos 2θ b) Horner : p(x) = 1 + x(−2 + x(3 − 4x)) c) On effectue la somme à rebours.

17. Au fur et à mesure que n augmente et que l’on cumule la somme, 1/n devient de plus en plus petit. On finit par additionner un très petit nombre à un très grand et l’espace limité de la mantisse le fait disparaître. 18. Si f (x, y) = xy, alors

∆f |x∗ y ∗ |

|x∗ |∆y+|y ∗ |∆x |x∗ y ∗ |



=

∆x |x∗ |

∆y |y ∗ | .

+

19. Puisque ∆x ≤ 0,5 × 10−5 on a 0,2495 × 10−2 ≤ x ≤ 0,2505 × 10−2 . 20.

a) cos(0 + h) = 1 −

h2 2!

b) sin(0 + h) = h −

h3 3!

+

h4 4!

+

h5

c) arctan(0 + h) = h − d) cos( π2 + h) = −h + e) sin( π2 + h) = 1 − 21.

h2

5!

2h3 3!

h3 3!



h6 6!



h7 7!

+ +

cos(ξ(h))h8 8!

avec 0 ≤ ξ(h) ≤ h

cos(ξ(h))h9

avec 0 ≤ ξ(h) ≤ h

9!

+ O(h5 ) avec 0 ≤ ξ(h) ≤ h



h5 5!

h4

+ h6

sin(ξ(h))h7 7!

avec

sin(ξ(h))h8

a) ∆f ≃ 0,248 ×

2! + 4! − 6! + 8! ∗ −2 10 , f (x ) = 0,698 13 (2

b) ∆f ≃ 0,247 ×

10−4 , f (x∗ )

c) ∆f ≃ 0,9 × catifs)

10−2

π 2

≤ ξ(h) ≤

avec

π 2

π 2

+h

≤ ξ(h) ≤

π 2

+h

chiffres significatifs)

= 0,790 37 (4 chiffres significatifs)

≤ 0,5 × 10−1 , f (x∗ ) = 2,529 519 (2 chiffres signifi-

d) ∆f ≃ 0,109 × 10−2 , f (x∗ ) = 0,012 0512 (1 chiffre significatif) 22.

a) ∆f ≃ 0,6538 × 102 ≤ 0,5 × 103 , f (x∗ , y ∗ ) = 7 543,098 significatif)

(1 chiffre

b) ∆f ≃ 0,82 × 10−3 , f (x∗ , y ∗ , z ∗ ) = −0,008 145 (0 chiffre significatif) 23. Pour chacune des variables, on a une borne pour l’erreur absolue : ∆F = 0,5 × 100 , ∆L = 0,5 × 10−1 , ∆E = 0,5 × 107 et ∆I = 0,5 × 10−5 . On a alors : ( ) ∆F 4∆L ∆E ∆I ∆y ≃ |y| + + + = 0,7118 × 10−2 ≤ 0,5 × 10−1 |F | |L| |E| |I| Puisque y = 0,271 129 630 m, il n’y a qu’un seul chiffre significatif. 24.

a) ∆R = 0,5 × 104 m et R possède 2 chiffres significatifs. ∆ρ = 0,9 × 102 ≤ 0,5 × 103 kg/m3 et ρ n’a qu’un seul chiffre significatif.

428

25.

Réponses aux exercices

∂m ∂m 4πR3 ρ b) m = ρV = de sorte que ∆m ≃ ∆R + ∂ρ ∆ρ = 3 ∂R 3 4 × 3πR2 ρ ∆R+ 4πR ∆ρ = 2,5695×1020 = 0,256 95 × 1021 kg . 3 3 Puisque m = 3,410 01 × 1021 kg, l’approximation de la masse n’a qu’un seul chiffre significatif. a) Respectivement 5 (25,312) et 6 (25,3125) chiffres significatifs. b) ee12 = 16 = 2n , ordre 4.

26. Lorsque l’on passe de h = 10−1 à h = 10−9 l’erreur décroît comme on s’y attend. Elle commence ensuite à croître parce que l’on soustrait des nombres voisins. Rappelons qu’en double précision, cos(0,5) = 0,877 582 561 890 373. (sin(x))′ = cos(x) ≈ h Approximation 10−1 0,852 169 35 10−5 0,877 580 16 −9 10 0,877 582 56 10−11 0,877 581 34 10−13 0,877 631 30 10−16 1,110 223 02 10−17 0,000 000 00 −20 10 0,000 000 00 27.

(sin(x+h)−sin(x)) h

Erreur relative 2,89 × 10−2 2,73 × 10−6 3,24 × 10−10 1,39 × 10−6 5,55 × 10−5 2,65 × 10−1 1,00 × 100 1,00 × 100

a) Voici les 16 premiers résultats. Les autres termes décroissent vers 0 très rapidement. ( ) ( ) 1 n + 12α−3β xn = 3β−α 4 11 11 3n n 1 2 3 4 5 6 7 8

xn 0,333 333 0,111 111 0,037 037 0,012 345 0,004 115 0,001 371 0,000 457 0,000 152

33 11 04 68 23 74 25 42

n 9 10 11 12 13 14 15 16

xn 0,000 050 0,000 016 0,000 005 0,000 001 0,000 000 0,000 000 0,000 000 0,000 000

81 94 65 88 63 21 07 02

b) Si ϵ = 10−12 , on obtient, pour n allant de 1 à 14 : ( ) ( ) n + 12α−3β + ϵ yn = 3β−α + ϵ 4 11 11 n 1 2 3 4 5 6 7

0,333 0,111 0,037 0,012 0,004 0,001 0,000

yn 333 333 111 111 037 037 345 681 115 236 371 783 457 411

376 272 677 572 577 072 210

n 8 9 10 11 12 13 14

0,000 0,000 0,000 0,000 0,000 0,000 0,002

1 3n

yn 153 071 053 426 027 420 047 588 169 653 671 715 684 563

150 703 847 069 836 865 635

Réponses aux exercices

429

On peut constater que la suite est croissante à partir de n = 11, contrairement à la suite xn . La valeur de y50 serait 1,26 × 1019 , ce qui est totalement faux. Pour ϵ = 10−50 , les valeurs obtenues sont similaires à celles de xn . c) Pour expliquer ce comportement, il suffit de constater que : ( ) 1 n y n = xn + ϵ 4 + n . 3

28.

Puisque 420 ≈ 1012 , on voit qu’à partir de n = 20, lorsque ϵ = 10−12 , le terme d’erreur est de l’ordre de l’unité, ce qui est grand par rapport à x20 = 3−20 ≃ 2,8 × 10−10 . Enfin, pour ϵ = 10−50 , le terme d’erreur n’est jamais plus grand que 10−20 et ne se voit pas. a) On intègre deux fois par parties pour obtenir : ∫ 0

π

( x )2n π

∫ 2n π ( x )2n−1 sin x dx = − cos π + cos x dx π π 0 π ∫ 2n (2n − 1) π ( x )2n−2 =1− sin x dx π π π 0 ( π )2n

qui est une suite positive décroissante. b) Les valeurs en double précision sont : n 1 2 3 4 5 6 7 8

Sn = f (Sn−1 ); S0 = 2 Sn n Sn 0,594 715 9 0,025 428 0,276 913 10 0,020 987 0,158 286 11 0,017 611 0,101 890 12 0,015 029 0,070 877 13 0,010 194 0,052 069 14 0,219 134 0,039 831 15 −18,316 499 0,031 433 16 1 842,002 591

On constate que la récurrence donne un résultat négatif pour n = 15 et que la valeur absolue des termes commence à croître. c) Si on calcule à l’envers, la récurrence devient Sn−1 = et en posant n = 15 et S15 = 0, on obtient : Sn−1 = f (Sn ); S15 = 0 n Sn n Sn 15 0 7 0,039 831 14 0,011 344 6 0,052 069 13 0,012 907 5 0,070 877 12 0,014 988 4 0,101 890 11 0,017 612 3 0,158 286 10 0,020 987 2 0,276 913 9 0,025 428 1 0,594 715 8 0,031 433 0 2

π2 2n(2n−1)

(1 − Sn )

430

Réponses aux exercices

Les valeurs sont bonnes pour les indices n de 1 à 10. On remarque donc que la récurrence directe est instable et que la récurrence inverse est stable. 29. Cette approximation est le développement de Taylor d’ordre 3 de sin x autour de 0. 30. On a e1 = e0,2 − r(0,2) = 0,544 × 10−6 et e2 = e0,1 − r(0,1) = 0,15 × 10−7 . Puisque ee12 = 2n , on trouve n ≃ 5,18 et l’on a une approximation d’ordre 5 de l’exponentielle. 31.

a) ln(1 + h) = h −

h2 2

+

h3 3



h4 4

+

h5 5ξ 5

b) ln(1,1) ≃ 0,095 308 333 avec 4 chiffres significatifs. c) On divise h par 4, ce qui revient à diviser l’erreur par 45 . 32. C’est un développement d’ordre 7. 33. a) f (x) = 1 + x + x2 + x3 + x4 + · · · b) g(t) = 1 − t2 + t4 − t6 + t8 − · · · t3 t5 t7 3 + 5 − 7 + ··· 2 3 4 ln(1 + x) = x − x2 + x3 − x4 + · · · 2 3 4 5 e−x = 1 − x + x2! − x3! + x4! − x5! + · · · 4 6 8 10 2 e−t = 1 − t2 + t2! − t3! + t4! − t5! + · · · 5 7 3 x9 f (x) = ( √2π )(x − x3 + x10 − x42 + 216 + ···) 1 1 f (1) ≃ ( √2π )(1 − 13 + 10 − 42 ) = 0,838 224 524

c) arctan(t) = t − d) 34.

a) b) c) d)

35.

e) C’est une approximation d’ordre 9. f) 2 chiffres significatifs. a) Le développement de Taylor de degré 2 et d’ordre 3 est : 1 1 p2 (x) = 1 + x − x2 2 8 b) Puisque f ′′′ (x) = 38 (1 + x)− 2 , on en déduit que E2 (x) = − 52 3 1 x pour un certain ξ dans l’intervalle [0, x]. 16 (1 + ξ) √ c) 1,1 ≃ p2 (0,1) = 1,048 75 et e1 = 0,588√× 10−4 < 0,5 × 10−3 et donc 4 chiffres significatifs. De même, 1,025 ≃ p2 (0,025) = 1,012 421 875 et e2 = 0,962 × 10−6 < 0,5 × 10−5 et donc 6 chiffres significatifs. d) Le rapport ee21 = 61,17 ≃ 64 = 43 , ce qui vient du fait que l’approximation utilisée est d’ordre 3 et que la valeur de h a été divisée par 4. a) Il faut bien faire attention au fait qu’il n’y a pas de terme d’exposant pair. On a donc : 5

36.

|R2k−1 (x)| ≤

x2k+1 (2k + 1)!

Réponses aux exercices

431

b) Si on connaît la valeur de sin(x) pour x ∈ [0, π2 ], on peut en déduire les valeurs de sin(x) pour tout x, en utilisant le fait que sin(x+2π) = sin(x), sin(x+π) = − sin(x), sin(π −x) = sin(x). Si |x| ≤ π2 l’erreur maximale commise en utilisant un développement de k termes sera : |R2k−1 (x)| ≤

37.

( π )2k+1 1 (2k + 1)! 2

Une petite simulation montrera que |R2k−1 (x)| < 10−5 pour k ≥ 5. Il suffit donc de sommer 5 termes, c’est-à-dire d’utiliser une approximation de degré 9. x x2 a) P2 (x) = 2 + − ; 4 64 √ √ b) Puisque 3,9 = 4 − 0,1, on prend donc x = −0,1 de sorte que P2 (−0,1) = 1,974 843 75. La valeur «exacte» en double précision est 1,974 841 765 813 15. L’erreur absolue est donc 0,198 × 10−5 tandis que l’erreur relative est 0,100 × 10−5 . c) Puisque ∆x = 0,198 × 10−5 ≤ 0,5 × 10−5 , les chiffres significatifs sont 1,974 84

Réponses aux exercices du chapitre 2 1. L’erreur absolue désirée est 0,5 × 10−3 et on utilise la formule 2.3. a) xm = 2,9, 2,85, 2,875 · · · (9 itérations) b) xm = 1,75, 1,625, 1,6875 · · · (10 itérations) c) xm = 2,0, 3,0, 3,5 · · · (13 itérations) d) xm = 1,5, 1,25, 1,125 · · · (11 itérations) f (x1 )(x2 − x1 ) 2. x∗m = x1 − f (x2 ) − f (x1 ) 3. a) 2,857 95, 2,860 03, 2,860 10 b) 1,67, 1,641 95, 1,639 57 c) 1,354 38, 1,946 33, 2,084 07 d) 1,016 13, 1,030 67, 1,043 72 4. a) f (1) = f ′ (1) = 0, f ′′ (1) = 2, racine de multiplicité 2 b) f (0) = 0, f ′ (0) = 1, racine de multiplicité 1 c) f (0) = f ′ (0) = 0, f ′′ (0) = 2, racine de multiplicité 2 d) f (0) = 1, 0 n’est pas une racine 5. a) f ′ (x) > 0 ∀ x > 0 et donc f est strictement croissante. Puisque f (0) = −4 et f (2) = 0,38, il y a une racine entre 0 et 2. b) On obtient x = 1, 936 847 3291 en 25 itérations à partir de [0, 2]. c) L’intervalle initial est de longueur L = 2. La formule 2.3 impose que n > ln(2/10−8 )/ ln 2, c.-à-d. n = ⌈1 + 8 ln(10)/ ln(2) = 27,57⌉ et donc n = 28.

432 6.

Réponses aux exercices a) Si on factorise ce polynôme, on obtient : f1 (x) = (3x − 2)6

7.

8.

b) a) b) c) d) a) b)

La racine 2/3 est multiple, il n’y a pas de changement de signe et le polynôme croît très vite au voisinage de celle-ci, ce qui la rend difficilement détectable. f2 (1000) = −799 908,2515 alors que f2 (1001) = 200 391,8444. r = 0, g ′ (0) = 4 (répulsif), r = 3, g ′ (3) = −2 (répulsif) r = 0, g ′ (0) = ∞ (répulsif), r = 1, g ′ (1) = 12 (attractif) r = 0, g ′ (0) = 1 (indéterminé) √ √ √ r = ± 5, g ′ (± 5) = 1 ∓ 2 5 (répulsifs) L’algorithme des points fixes ne converge pas et oscille entre les valeurs ±2,236 067. xn → 1,618 0339, |en | → 0, en+1 en → 0,3090, convergence linéaire

9. Pour la méthode de Steffensen, l’itéré est calculé par x1 = cos x0 , x2 = cos x1 et xe = x0 −

(x1 − x0 )2 . x2 − 2x1 + x0

On obtient le tableau suivant des écarts (En = xn − xn+1 ) : En+1 /En2 n (xe )n |En | |En+1 /En | 0 1 0,271 × 100 0,406 × 10−1 0,149 457 −1 1 0,728 010 361 468 0,110 × 10 0,164 × 10−2 0,148 601 −4 2 0,739 066 966 909 0,181 × 10 0,270 × 10−5 — 3 0,739 085 133 166 0,490 × 10−10 — — 4 0,739 085 133 215 — — — Même avec aussi peu de décimales, le comportement quadratique de l’algorithme est évident. en+1 10. a) xn → 2,690 647, |en | → 0, en+1 → 0, → 0,5528, convergence 2 en (en ) quadratique en+1 en+1 b) xn → 1,872 322, |en | → 0, en → 0, (en )2 → 0,5968, convergence quadratique en+1 c) xn → 1,134 724, |en | → 0, en+1 → 0, (en )2 → 2,44, convergence en quadratique d) xn → 1,0, |en | → 0, en+1 en ne tend pas vers 0, convergence linéaire 11.

a) x0 = 3,0, x1 = 4,0 : 2,826 086, 2,752 249, 2,694 940, 2,690 790, 2,690 647 b) x0 = 2,0, x1 = 3,0 : 1,913 390, 1,886 169, 1,872 646, 1,872 324, 1,872 322

Réponses aux exercices

433

c) x0 = 1,5, x1 = 2,5 : 1,461 637, 1,429 202, 1,263 943, 1,193 273, 1,149 644 d) x0 = 1,2, x1 = 2,2 : 1,198 062, 1,196 180, 1,135 400, 1,108 143, 1,081 331 m 12. On pose g(x) = x − m ff′(x) (x) et f (x) = (x − r) h(x) avec h(r) ̸= 0 et l’on ′ montre que g (r) = 0.

13.

a) g1′ (r1 ) = −0,2294 (attractif), g2′ (r1 ) = 0 (attractif), g3′ (r1 ) = −0,099 (attractif) b) La fonction g2 (x) converge quadratiquement. c) Oui, car il y a changement de signe de f (x) = ex − 3x2 . d) Convergence quadratique vers 3,733 079.

14.

a) Cela se voit facilement à l’aide d’un graphique. b) Le premier algorithme produit la racine r1 = 1,370 713 181 379 51 en quinze itérations. Le second produit des itérés qui croissent lentement en s’éloignant de la racine. c) Le second algorithme s’approche de la racine négative en oscillant très lentement de part et d’autre. Il lui faut plus de 100 itérations pour que les deux premiers chiffres r2 = −0,65 se stabilisent. Le premier algorithme converge toujours vers la première racine et donne r1 = 1,3707 en 6 itérations. d) La première méthode itérative converge ∈ I si et seule (pour tout x) (√ 1 )′ 2 1−tanh x < 1. Or, la ment si 1 + tanh x < 1 ⇐⇒ 2 √ 1+tanh(x)

fonction tanh(x) est strictement croissante, tanh(0) = 0, lim tanh(x) = x→∞ ( ) 1 2 1−tanh x est toujours plus petit que 1. L’algo1 et donc 2 √ 1+tanh(x) rithme converge donc ∀ x0 > 0. 15.

a) Voici deux algorithmes possibles : √ xn+1 = − 2 + ( xn+1 =

8 √ = g1 (xn ) − 2)

x2n (xn

8 2xn + xn

)1 3

= g2 (xn )

b) Le premier est divergent pour la racine positive et convergent pour la seconde. Le deuxième algorithme est convergent pour les deux racines mais pour r = −2, il faut être prudent pour éviter de passer par les nombres complexes. En effet, on a une racine cubique à extraire et le traitement informatique des nombres négatifs peut poser R donnera le résultat suivant : un problème. Par exemple, Matlab⃝ 1

(−8) 3 = 1 + 1,732 050 807i

434

Réponses aux exercices qui est bien l’une des 3 racines cubiques de -8, même si nous aurions préféré obtenir -2. Pour contourner cette difficulté, on peut écrire : (

xn+1

8 = signe 2xn + xn

1 ) 3 8 2xn + xn

où la fonction signe(x) vaut 1 si x est positif, -1 s’il est négatif et 0 si x = 0. De cette manière, on extrait toujours la racine cubique de nombres positifs et tout se passe bien. c) Pour le premier algorithme, le taux approximatif pour r = −2 après 50 itérations vaut : |xn+1 − xn+2 | ≈ 0,7573 |xn − xn+1 | Pour le second algorithme, la dérivée : g2′ (x)

1 = 3

(

8 2x + x

)− 2 ( 3

8 2− 2 x

)

est nulle aux deux racines et la convergence est quadratique. e) La méthode de la bissection nous donnerait la précision requise en −6 ) n > ln(4/10 = 21,93 et donc 22 itérations ce qui est beaucoup ln 2 plus lent que la seconde méthode, mais comparable au coût de la première pour capturer r = −2 à partir de x0 = −3. 16. Il suffit de remarquer que s3 = 3 + s. La méthode de Newton converge vers 1,671 699 88. √ √ √ 17. a) |g ′ ( 2)| = |1 − 2ρ 2| < 1 pour 0 < ρ < 22 . √ √ b) Si ρ = 42 , g ′ ( 2) = 0, convergence quadratique. √ √ c) Si ρ = 3 2, g ′ ( 2) > 1, divergence. 18. a) La dérivée de l’itérateur est − x22 . Elle vaut 1 à la racine, elle est √ plus petite que 1 pour x ≥ 2 et plus grande que 1 sinon. Il est donc difficile de voir ce qui se passe en une itération. Par contre, si on itère deux fois, on a : x1 =

2 , x0

x2 =

2 = x0 . x1

L’algorithme devient tout de suite stationnaire en x0 , sauf si x1 = x0 , c’est-à-dire si x0 est la racine. b) Puisque x2 = x0 , l’extrapolation d’Aitken s’écrit : ( ) ( ) (x0 − x20 )2 1 2 1 2 = x0 − x0 − = x0 + , xe = x0 − 2 x0 2 x0 2(x0 − x2 ) 0

qui n’est rien d’autre que la méthode de Newton appliqué à l’équation de départ.

Réponses aux exercices 19.

435

a) g ′ (r) ≃ 0,51 < 1 b) g ′ (1,365 23) = 0,511 96 c) Puisque g ′ (1,365 23) ̸= 0 et |g ′ (1,365 23)| < 1, convergence linéaire

20. Le comportement des deux méthodes itératives est étudié en analysant le comportement des écarts successifs de la façon suivante : Racine = −1 n |En | |En+1 /En | |En+1 /En2 | +0 +0 1 0,61 × 10 0,391 × 10 0,641 × 10+0 +0 +0 2 0,24 × 10 0,165 × 10 0,693 × 10+0 −1 −1 3 0,39 × 10 0,279 × 10 0,709 × 10+0 4 0,11 × 10−2 0 0 5 0 — — 6 — — — On voit que le rapport des écarts tends vers 0 alors que |En+1 /En2 | se stabilise. On a donc convergence quadratique et la racine est simple. Racine = −2 n |En | |En+1 /En | 1 0,18 × 10+0 0,450 × 10+0 2 0,80 × 10−1 0,478 × 10+0 3 0,38 × 10−1 0,490 × 10+0 4 0,19 × 10−1 0,494 × 10+0 5 0,93 × 10−2 — 6 — — La convergence est linéaire à un taux approximatif de 0,495. La valeur théorique est 1 − 1/m, il faut donc que m = 2, c’est-à-dire que l’on ait une racine double. 21.

a) La pente est fixée une fois pour toutes à f ′ (x0 ). Par conséquent, les droites sont toutes parallèles. b) On pose : g(x) = x −

f (x) x2 − 2 = x − f ′ (x0 ) 2x0

√ ′ (r)| = |g ′ ( 2)| < 1. On La condition de convergence est alors |g √ obtient 22 < x0 < ∞. 22.

a) On pose : 2x N + 2 3 3x √ √ et l’on vérifie aisément que g( 3 N ) = 3 N . g(x) =

b) On a aussi : 2 2N 2N − 3 g ′′ (x) = 4 3 3x x √ √ 3 3 2 de sorte que g ′ ( N ) = 0 et g ′′ ( N ) = √ ̸= 0. On a donc conver3 N gence quadratique. g ′ (x) =

436

Réponses aux exercices c) On complète le tableau :

n 0 1 2 3

100 xn+1 = 2x3n + 3x 2 n en+1 en+1 en e2 n 0,069 9670 0,195 21 0,005 3642 0,213 91 0,000 0289 0,215 44 −−−−− −−−−−

′ (r) qui est 0. La colonne en+1 La colonne en+1 converge vers g en e2 vers 23.

g ′′ (r) 2

n

=

1 √ 3 100

= 0,215 44. La correspondance est très bonne.

a) Le seul point fixe dans l’intervalle ]0 , ∞[ est r =



a.

b) Il faut montrer que g ′ (r) = g ′′ (r) = 0, ce qui est le cas puisque : g ′ (x) =

24.

3(x2 − a)2 48ax(x2 − a) ′′ et g (x) = (3x2 + a)2 (3x2 + a)3

a) cos(x) − x est une fonction strictement décroissante dans l’intervalle [0, ∞) et de plus elle vaut 1 en x = 0 et environ −0, 4597 en x = 1. b) La racine est dans l’intervalle (0, 1) et l’algorithme itératif sera convergent car |g ′ (x)| = | sin x| < 1, ce qui est bien le cas dans (0, 1). c) La racine est dans l’intervalle (0, 1). L’algorithme ne convergera pas 1 puisque la dérivée de arccos qui est √1−x est plus grande que 1 2 dans cet intervalle.

25.

a) Les points fixes sont r1 = 0 et r2 =

λ−1 λ .

b) Le point fixe r1 est attractif (|g ′ (r1 )| < 1) pour λ dans l’intervalle ] − 1 , 1[ et le point fixe r2 est attractif (|g ′ (r2 )| < 1) pour λ dans l’intervalle ]1 , 3[. c) La convergence est quadratique (g ′ (r1 ) = 0) pour λ = 0 (mais alors on a g(x) = 0, ce qui est peu intéressant). Par contre, g ′ (r2 ) = 0 pour λ = 2 (on note que, dans ce dernier cas, g ′′ (r2 ) = −2λ ̸= 0). 26.

a) Les points fixes sont r1 = 0 et r2 = 1. b) Le point fixe r1 est attractif (|g ′ (r1 )| < 1) pour λ dans l’intervalle ] − 2 , 0[ et le point fixe r2 est attractif (|g ′ (r2 )| < 1) pour λ dans l’intervalle ]0 , 2[. c) La convergence est quadratique (g ′ (r1 ) = 0) pour λ = −1 et g ′ (r2 ) = 0 pour λ = 1 (on note que, dans les 2 cas, g ′′ (r) = −2λ ̸= 0).

Réponses aux exercices 27.

437

ln (1 + x) − 0,5x + 1 = 0 n xn |En | 0 1 9 1 10 0,516 × 10+1 2 0, 484 163 0372 × 101 0,912 × 10+0 3 0, 575 866 0000 × 101 0,973 × 10−1 4 0, 585 119 2832 × 101 0,332 × 10−2 5 0, 584 786 8002 × 101 0,950 × 10−5 6 0, 584 787 7500 × 101 0,948 × 10−9 7 0, 584 787 7501 × 101 − c) La figure obtenue est une droite de pente supérieure à 1. d) Nous savons que la relation entre les écarts est de la forme : En+1 ≈ CEnα où C est une constante et α l’ordre de convergence. Pour trouver α, nous prenons le logarithme des deux côtés : ln(En+1 ) = α ln(En ) + ln C,

28.

L’ordre α est donc la pente de la droite. Cette pente, difficile à déterminer √ sur le graphique, vaut 1,62286. La valeur théorique est 2−1 (1 + 5) = 1,6180. On peut voir que l’accord entre la théorie et la pratique est excellent. a) La multiplicité de la racine r est 1. b) Il faut montrer que g ′ (r) = g ′′ (r) = 0 et que g ′′′ (r) ̸= 0 où g(x) = x − ff′(x) (x) . Ces conditions sont bien vérifiées puisque : g ′ (x) =

f (x)f ′′ (x) ′′ f ′′ (x) f (x)f ′′′ (x) f (x)(f ′′ (x))2 + , g (x) = − 2 (f ′ (x))2 f ′ (x) (f ′ (x))2 (f ′ (x))3

f ′′′ (r) ̸= 0. f ′ (r) Puisque −1 est un point fixe, g(−1) = −1. e15 e16 ′ La suite en+1 en tend vers g (−1). Par exemple, on a e14 ≃ e15 ≃ −0,333 qui est une bonne approximation de g ′ (−1). Les itérations oscillent de part et d’autre du point fixe, car −1 < g ′ (−1) < 0 et, en vertu de l’approximation en+1 ≃ g ′ (r)en , l’erreur change de signe à chaque itération. La convergence est d’ordre 1, car −1 < g ′ (−1) < 0. Il suffit de résoudre l’équation f (x) = x2 − 2 = 0. On a ensuite f ′ (x) = 2x et f ′′ (x) = 2. En remplaçant et en simplifiant, on trouve l’algorithme : Enfin, on montre que g ′′′ (r) = 2

29.

a) b) c)

30.

d) a)

xn+1 =

3 1 3xn + − 3 = g(xn ) 8 2xn 2xn

438

Réponses aux exercices

√ √ b) C’est donc une méthode des points fixes et l’on a g( 2) = 2. De plus : 3 3 3 − 2+ 4 g ′ (x) = 8 2x 2x 3 6 ′′ g (x) = − x3 x5 9 30 g ′′′ (x) = − 4 + 6 x x √ √ √ ′ ′′ ′′′ de sorte que g ( 2) = g ( 2) = 0 et g ( 2) = 32 ̸= 0. La convergence est donc cubique. c) x1 = 1,4375 et x2 = 1,414 216 606 31. Il suffit de résoudre par l’une ou l’autre des techniques vues dans ce chapitre l’équation : ( ) 3,7 ′ 3 t (x) = T √ − 3,4 − 1,2x x qui donnera l’abscisse où l’épaisseur est maximale. On recommande cependant d’utiliser la méthode de Newton ou de la sécante. En s’inspirant de la figure 2.11, on prendra comme estimé de départ x0 = 0,3. La valeur de x où on trouve l’épaisseur maximale est 0,290 9815. L’épaisseur maximale est alors 0,150 6588 qui est légèrement supérieure à la valeur nominale.

Réponses aux exercices du chapitre 3 

1.

a)

b)

c)

d) 2.

a)

3.

b) a)

 1 0 0 T =  −3 1 0  (dét T = 1) 0 0 1   1 0 0 P =  0 0 1  (dét P = −1) 0 1 0   1 0 0 M =  0 5 0  (dét M = 5) 0 0 1   1 0 0 T =  0 1 0  (dét T = 1) 0 5 1 [ ]T ⃗x = 3 2 1 , dét A = 90 [ ]T ⃗x = 2 2 −2 , dét A = −9 Matrice augmentée triangularisée :  1 2 1  0 −2 1 0 0 12

 0 3  1 2

[

dont la solution est ⃗x = 1 −1 b) Matrice augmentée triangularisée  1 2 1  0 −4 2    0 0 −5 0 0 0

Réponses aux exercices ]T 1 et dét A = −1. :  4 13 −5 2     − 15 −35 2 −9 −18

439

[ ]T dont la solution est ⃗x = 3 −1 4 2 et dét A = −180. 4. Il suffit de construire les matrices correspondant à chacune des opérations élémentaires effectuées et de les multiplier par leur inverse pour obtenir une décomposition LU . 5. a) Matrice augmentée triangularisée (sans permutation de lignes) :   0,7290 0,8100 0,9000 0,6867  0,0000 −0,1110 −0,2350 −0,1084  0,0000 0,0000 0,02640 0,008 700 [ ]T dont la solution est ⃗x = 0,2251 0,2790 0,3295 . b) Matrice augmentée triangularisée (avec permutation de lignes) :   1,000 1,331 1,210 1,100  0,0000 0,1473 0,2975 0,1390  0,0000 0,0000 −0,010 00 −0,003 280

6.

[ ]T dont la solution est ⃗x = 0,2246 0,2812 0,3280 . c) La solution en b) est plus précise. a) Matrice augmentée triangularisée :   1 1 0 1  0 1 1 −2  0 0 0 2

7.

dét A = (1)(1)(0) = 0 et A est donc singulière. b) La dernière équation signifie que 0 = 2 ; il n’y a donc pas de solution. a) Matrice augmentée triangularisée : [ ] 2 −6α 3 0 9α2 − 1 β − 9α 2 b) Le déterminant de la matrice est dét A = (2)(9α2 − 1) = 18α2 − 2. c) α = ± 13 d) Si α = 31 , la matrice est singulière. Si β = 1, la dernière équation n’a pas de solution.

440 8.

Réponses aux exercices a) Décomposition LU sous forme compacte :   1 2 1  1   2 −2 − 2  1 −1 −1 2 [ [ ]T et ⃗x = 1 On obtient ⃗y = 0 − 23 1 b) Décomposition LU sous forme compacte :  1 2 1 4 5  2 −4 − 1  2 4  3  4 −6 −5 2 −3 7 19 −9 2

−1 1

]T

.

    

[ [ ]T ]T On obtient ⃗y = 13 − 21 7 2 et ⃗x = 3 −1 4 2 . 9. Décomposition LU sous forme compacte :     4 2 − 41 2  3  ⃗  3  O =  −2 7 14  25 1 1 0 4 ]T [ ]T [ 37 On obtient ⃗y = 17 et ⃗x = 1 2 3 . 4 14 3 10. a) La factorisation n’est pas possible car il faudrait avoir simultanément l11 = 0 et l11 u12 = 3.     0 1 0 1 2 0 b) P −1 =  1 0 0  et B =  0 3 0  = LU 0 0 1 3 5 2 c) x1 = − 32 x2 = 13 x3 = 23 11. Si A = LU , dét (A) = dét (L)dét (U ). Or la factorisation de Crout donne :     2 0 0 0 0 1 1,5 0 0 0  4 1  0 1 3 0 0 0 0 0      0 0  L =  0 4 −5 0  , U = 0 0 1 −0,6  0 0   4 9,4 0 0 0 0 1 0,31 0 0 0 4 5,7234 0 0 0 0 1 Comme dét (U ) = 1, dét (A) = dét (L) = −538. 12. a) On calcule les 4 déterminants desmineurs principaux.  [ ] 1 2 0 [ ] 1 2 5 −3  = dét 1 = dét = dét  2 2 5 0 −3 10   1 2 0 0 5 −3 0   2 dét  =1 0 −3 10 2  0 0 2 5

Réponses aux exercices

441

b) La matrice L est : 

1 0 0 1 0  2  0 −3 1 0 0 2

13.

14.

 0 0  0  1

[ ]T [ ]T et la solution est : x1 x2 x3 x4 = 1 0 0 0 . a) dét A = (1)(3)(6) = 18 b) ||A||∞ = max(6 , 27 , 55) = 55 c) Ces deux vecteurs sont les deux premières colonnes de A−1 . En [ ]T résolvant A⃗x = 0 0 1 , on obtient la dernière colonne, qui [ ]T est 65 − 32 61 . d) ||A−1 ||∞ = max(4,666 53 , 2,333 , 0,555 55) = 4,666 53 et donc cond∞ A = 55 × 4,666 53 = 256,659 [ ]T a) ⃗x = 1 1 . [ ]T b) Le résidu ⃗r = ⃗b − A⃗x∗ = 0,01 −0,01 . c) On utilise la formule 3.42. En utilisant la norme infinie, on trouve cond∞ A ≥ 100 et la matrice est donc mal conditionnée. [ ]T d) Par exemple avec ⃗u = 2 0 , le résidu est ⃗r = ⃗b − A⃗u = [ ]T −1,01 0,01 . e) Un calcul direct montre que : [ ] 50,5 −49,5 A−1 = −49,5 50,5

et donc que cond∞ A = ||A||∞ ||A−1 ||∞ = 1 × 100 = 100. f) Le graphique représente deux droites presque parallèles qui se coupent en (x1 , x2 ) = (1, 1). 15. Il s’agit de trouver la plus grande valeur de la fonction (voir la borne 3.43) : [ ]T [ ]T x x 1 1 − 1 ||⃗b|| 2 ∞ ∞ [ f (x1 , x2 ) = ] T ||⃗ r || ∞ 1 1 ∞

Or ||⃗r||∞ = max{(5 − 4,02x 1 − 0,98x2 ; 5 − 0,98x1 − 4,02x2 )} et [ ]T ||⃗b||∞ = 5, 1 1 = 1. Avec un graphique fait à l’ordinateur on ∞ peut observer que la plus grande valeur de la fonction f est environ 1,6, ce qui nous fournit une borne inférieure : cond∞ A ≥ 1,6. Le calcul de cond∞ A = ||A||∞ ||A−1 ||∞ = 5 × 0,3289 = 1,6445 confirme le résultat. 16. a) dét A = (2)(1)(2) = 4 [ ]T [ ]T b) ⃗y = −1 18 12 et ⃗x = −4 −6 12

442

Réponses aux exercices

c) On doit résoudre A(A⃗x) = ⃗b. Il suffit de résoudre A⃗u = ⃗b et par la suite A⃗x = ⃗u. Ces deux systèmes sont ensuite résolus au moyen de la [ ]T décomposition LU de A. On trouve (voir a)) ⃗u = −4 −6 12 [ ]T et ensuite ⃗x = −2 0 1 . 17. Décomposition LU sous forme compacte :     0,500 2,00 4,00 3 ⃗ = 2   0,333 −0,416 2,72  O 0,250 −0,300 −0,0170 1

18.

19. 20. 21. 22.

23. 24.

[ ]T [ ]T On obtient ⃗y = 16,0 −6,42 −181 et ⃗x∗ = −232 486 −181 . ||⃗x − ⃗x∗ ||∞ = max(| − 4,92| , |9,08| , | − 3,30|) = 9,08 et l’erreur relative 9,08 est donc 476,92 = 0,019   −83,077 64,615 0,461 54 A−1 =  156,92 −115,38 −1,5384  −57,692 41,538 1,1538 On a ||A||∞ = max(0,6166 , 0,7833 , 3,5) = 3,5 et ||A−1 ||∞ = max(148,15 , 273,83 , 100,38) = 273,83. Enfin, cond∞ A = 3,5 × 273,83 = 958,4. a) C’est le disque de rayon 1 centré en l’origine. b) C’est le carré [−1, 1]2 . Non, puisque le déterminant peut s’annuler (si la matrice est singulière) sans que la matrice soit nulle. Non, puisque A−1 n’existe pas. [ ] −100 100 A−1 = et donc ||A||∞ = 3,01 et ||A−1 ||∞ = 200. On a 50,5 −50 alors cond∞ A = 602. [ −100 ] 10 0 On considère la matrice A = , dont le déterminant 0 10−100 est très petit (10−200 ), mais dont le conditionnement est 1. a) n cond∞ de la matrice de Hilbert de dimension n. 5 0,944 × 106 10 0,354 × 1014 15 0,803 × 1018 20 0,564 × 1019 b)  1,203 0,698 ⃗b = A⃗x =  0,503 0,397 0,328

267 577 929 151 802

  −0,396 6667 × 10−2 294  −0,116 6667 × 10−2 190   489 ⃗r = ⃗b − A⃗y =  0,142 8572 × 10−3  0,720 2380 × 10−3 672 708 0,098 0159 × 10−3

    

Réponses aux exercices

25.

26.

27.

28.

29.

443

Pour obtenir une borne sur le conditionnement, utilisons la norme ∥b∥ ∥⃗ x−⃗ y∥ ∥.∥∞ et l’équation 3.43. Puisque ∥r∥∞ = 303,85 et ∥⃗x∥ ∞ = 0,130, ∞ ∞ on a que le cond∞ A ≥ 39,5. Cette estimation est très optimiste car la valeur exacte du conditionnement de A est 943 656. La matrice est singulière et le système linéaire possède dans ce cas une infinité de solutions. Il est possible d’obtenir les 2 solutions proposées, car numériquement, un système singulier devient souvent un système dont le déterminant est très petit et qui est donc mal conditionné. [ ]T [ ]T a) ⃗r1 = ⃗b − A⃗x1 = −0,6 −0,600 01 , ⃗r2 = 0,0 0,0004 , ce qui signifie que ||⃗r1 ||∞ = 0,600 01 et ||⃗r2 ||∞ = 0,0004. De plus, ||⃗x − ⃗x1 ||∞ = 0,1 alors que ||⃗x − ⃗x2 ||∞ = 4,0. On en conclut que la solution approximative ⃗x2 est bien plus éloignée de la solution exacte, mais donne un résidu beaucoup plus petit. Cela montre que la norme du résidu n’est pas toujours un bon indice de la qualité d’une solution. b) La nouvelle solution est [0 1,2]T . Une petite perturbation du second membre entraîne une forte perturbation de la solution. c) La matrice est mal conditionnée car ∥A∥∞ = 6,0001, ∥A−1 ∥∞ = 20 000 et cond∞ A = 120 002. [ ] 2x1 − 10 2x2 J= x22 + 1 2x1 x2 − 10 [ ] [ ] ⃗ = 0,8 0,88 T , ⃗x = 0,8 0,88 T Itération 1 : δx La matrice jacobienne du système est :   3 x3 sin(x2 x3 ) x2 sin(x2 x3 )  2x1 −162(x2 + 0,1) cos x3 J = −x x −x x 1 2 1 2 −x2 e −x1 e 20 [ ]T Itération 1 : ⃗x1 = 0,499 8697 0,019 4669 −0,521 5205 [ ]T Itération 2 : ⃗x2 = 0,500 0142 0,001 5886 −0,523 5569 [ ]T Les itérations convergent vers 0,5 0 −0,523 5987 . Nous avons une convergence d’ordre 2 dans tous les cas. On remarquera qu’en b), la convergence devient quadratique seulement à la toute fin. C’est également le cas en d). [ 0 ]T [ ]T x1 x02 = 1,2 2,5 Itération xi1 xi2 ||⃗r − ⃗xi ||∞ 0 1,200 000 × 10+0 2,500 000 × 10+0 4,160 × 10+1 1 1,439 062 × 10+0 1,811 152 × 10+0 1,069 × 10+1 2 1,701 172 × 10+0 1,533 494 × 10+0 1,505 × 10+0 a) 3 1,765 462 × 10+0 1,493 559 × 10+0 2,952 × 10−2 4 1,766 847 × 10+0 1,492 851 × 10+0 8,561 × 10−6 5 1,766 847 × 10+0 1,492 851 × 10+0 4,989 × 10−13 Approximation finale de la solution : [ ]T ⃗r = 1,766 847 × 10+0 1,492 851 × 10+0

444

Réponses aux exercices [ 0 ]T [ ]T x1 x02 = −2 2,5 Itération xi1 xi2 ||⃗r − ⃗xi ||∞ +0 +0 0 −2,000 000 × 10 2,500 000 × 10 4,183 × 10+1 1 −1,499 056 × 10+0 1,688 626 × 10+0 1,565 × 10+1 −1 2 −7,405 739 × 10 7,066 197 × 10−1 9,544 × 10+0 +1 3 +7,541 878 × 10 −8,461 086 × 10+1 4,567 × 10+7 .. .. .. .. b) . . . . 25 −2,994 870 × 10+0 1,411 355 × 10−1 2,144 × 10−1 26 −3,001 630 × 10+0 1,483 807 × 10−1 8,328 × 10−4 27 −3,001 633 × 10+0 1,483 494 × 10−1 3,344 × 10−9 +0 28 −3,001 633 × 10 1,483 494 × 10−1 8,881 × 10−16 Approximation finale de la solution : ]T [ ⃗r = −3,001 633 × 10+0 1,483 494 × 10−1 [ 0 ]T [ ]T x1 x02 = −1,2 −2,5 Itération xi1 xi2 ||⃗r − ⃗xi ||∞ +0 +0 0 −1,200 000 × 10 −2,500 000 × 10 3,397 × 10+1 +0 +0 1 −1,304 837 × 10 −1,918 680 × 10 7,634 × 10+0 +0 +0 2 −1,412 950 × 10 −1,712 941 × 10 8,247 × 10−1 c) 3 −1,436 954 × 10+0 −1,689 908 × 10+0 9,915 × 10−3 4 −1,437 347 × 10+0 −1,689 694 × 10+0 6,812 × 10−7 5 −1,437 347 × 10+0 −1,689 694 × 10+0 3,552 × 10−15 Approximation finale de la solution : ]T [ ⃗r = −1,437 347 × 10+0 −1,689 694 × 10+0 [ 0 ]T [ ]T x1 x02 = 2 −2,5 Itération xi1 xi2 ||⃗r − ⃗xi ||∞ +0 +0 0 2,000 000 × 10 −2,500 000 × 10 3,846 × 10+1 +0 +0 1 1,316 063 × 10 −1,745 354 × 10 1,455 × 10+1 2 6,359 924 × 10−2 −8,388 455 × 10−1 9,306 × 10+0 3 −1,926 340 × 10+1 −2,143 735 × 10−1 4,360 × 10+2 .. .. .. .. d) . . . . 7 8 9 10

30.

−3,041 157 × 10+0 8,675 218 × 10−2 1,613 × 10+0 +0 −3,001 277 × 10 1,466 575 × 10−1 4,637 × 10−2 −3,001 632 × 10+0 1,483 497 × 10−1 8,000 × 10−6 +0 −3,001 633 × 10 1,483 494 × 10−1 3,536 × 10−12 Approximation finale de la solution : [ ]T ⃗r = −3,001 633 × 10+0 1,483 494 × 10−1

a) C’est l’intersection de deux cercles : le premier centré en (1, 0) et de rayon 1, et l’autre centré en (0, 0) et de rayon 2. Le point de tangence des deux cercles est donc l’unique solution du système et [ ]T celui-ci est 2 0 .

Réponses aux exercices

445

b) La résolution donne les itérations suivantes : Arguments initiaux : -----------------Nombre maximal d’iterations : nmax = 40 Critere d’arret : epsilon = 1.000000E-04 Differences finies : h = 1.000000E-06 Iter. 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

x_i 0.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00 2.000000E+00

||R(x_i)|| 1.000000E+00 2.500000E+00 1.250000E+00 6.250000E-01 3.125000E-01 1.562500E-01 7.812500E-02 3.906250E-02 1.953125E-02 9.765625E-03 4.882813E-03 2.441406E-03 1.220703E-03 6.103516E-04 3.051758E-04 1.525878E-04

3.1623E+00 8.8388E+00 2.2097E+00 5.5243E-01 1.3811E-01 3.4527E-02 8.6317E-03 2.1579E-03 5.3948E-04 1.3487E-04 3.3717E-05 8.4294E-06 2.1073E-06 5.2684E-07 1.3171E-07 3.2927E-08

Approximation finale de la solution: r = 2.0000000000E+00 ----------------------------------1.5258783460E-04 c) On a que ⃗ek = (0, xk2 ) et que ∥⃗ek ∥/∥⃗ek−1 ∥ ≃ 0,5. La convergence est donc linéaire. [ ]T d) Tous les points de la forme x1 0 , car alors la matrice jacobienne est singulière. [ ]T 31. La matrice jacobienne est singulière en 0 −0,2 . Il faut alors amorcer la méthode de Newton à partir d’un autre point. 32. a) Puisque P = P −1 , on a A = P LU et dét A = dét P dét L dét U . La matrice P est une permutation de 2 lignes de la matrice identité ( et ) son déterminant est donc -1. On a alors dét A = (−1)(1)(2)(−8) 32 = 24. [ ]T b) On permute d’abord le vecteur ⃗b en faisant P⃗b = 51 19 6 . [ ]T On résout L⃗y = [51 19 6]T pour obtenir ⃗y = 51 −32 92 et ensuite U⃗x = [51 − 32 92 ]T pour calculer la solution ⃗x = [ ]T 1 −2 3 . 33. a) De la matrice de permutation P , on constate qu’il y a eu 3 permutations de lignes. Le déterminant est donc : dét A = (−1)3 dét L dét U = (−1)(1)(0,499 820 670). [ ]T b) On résout L⃗y = P⃗b = 1 3 6 5 4 2 et ensuite U⃗x = ⃗y .

446 34.

Réponses aux exercices [ ]T a) ⃗r = ⃗b − A⃗x∗ = −0,1 0,1 −0,1 0,1 et ||⃗r||∞ = 0,1 b) ||A||∞ = max(32 , 23 , 33 , 31) = 33 c) ||A−1 ||∞ = max(82 , 136 , 35 , 21) = 136 et cond∞ A = 4488 d) La borne supérieure pour l’erreur relative est donc : ||⃗x − ⃗x∗ ||∞ ||⃗r||∞ 4448 × 0,1 ≤ cond∞ A = = 13,6 ||⃗x||∞ 33 ||⃗b||∞

35. On résout dans un premier temps C⃗x2 = ⃗b2 en utilisant la décomposition LU de C (LC ⃗y = ⃗b2 et U C ⃗x2 = ⃗y ). Par la suite, on résout A⃗x1 = ⃗b1 −B⃗x2 (LA ⃗y = ⃗b1 − B⃗x2 et U A ⃗x1 = ⃗y ). 36. La matrice jacobienne et le  2x1 + 3x2 3x1 cos x1 ex2 J(⃗x) =  3 4 a) En partant de

[

vecteur résidu s’écrivent :    2x3 x21 + 3x1 x2 + x23 − 7 ⃗ x) =  sin x1 + ex2 − 3x3 + 8  −3  R(⃗ −3 3x1 + 4x2 − 3x3 + 1

0 0 1

]T

, on doit résoudre :



    0 0 2 δx1 −6  1 1 −3   δx2  = −  6  3 4 −3 δx3 −2 ⃗ on b) En résolvant (sans oublier de permuter suivant le vecteur O), [ 2 ]T trouve dans un premier temps ⃗y = 3 20 3 et par la suite [ ] T 1 ⃗ = [1 2 3] . La nouvelle solution est donc ⃗x = 0 0 1 T + δx [ ]T [ ]T 1 2 3 = 1 2 4 . c) La convergence est d’ordre 2 puisque le rapport 0 tandis que le rapport 37.

||⃗ x−⃗ xi+1 ||∞ ||⃗ x−⃗ xi ||2∞

||⃗ x−⃗ xi+1 ||∞ ||⃗ x−⃗ xi ||∞

tend vers

ne tend pas vers 0.

a) Le √ problème est équivalent à trouver l’intersection du cercle de rayon 2 et d’une hyperbole. Ces 2 courbes sont tangentes aux points (1 , 1) et (−1 , − 1). ]T [ ]T [ ]T [ ]T [ 3 et x21 x22 = 1,15 0,9 b) x11 x12 = 2 1 x−⃗ x ||2 c) En calculant la colonne contenant les termes ||⃗||⃗ , on constate x−⃗ xi ||2 que les valeurs de cette colonne semblent converger vers 0,5, ce qui indique que la convergence est linéaire. Or, la méthode de Newton converge habituellement à l’ordre 2. Pour expliquer ce comportement, il suffit de remarquer que la matrice jacobienne : ] [ 2x1 2x2 x2 x1 i+1

Réponses aux exercices [

447

]T

est singulière en 1 1 correspondant à la solution exacte du système. Cette explication est similaire à celle donnée pour la méthode de Newton en une variable dans le cas de racines multiples (f ′ (r) = 0). La matrice jacobienne joue le même rôle dans le cas des systèmes. 38. La matrice jacobienne et le vecteur résidu s’écrivent : [ ] [ 2 ] 2x 4y x + 2y 2 − 22 ⃗ J(⃗x) = R(⃗x) = 4x − y 3 − x 2x2 − xy + 3y − 11 a) En partant de

[

]T 1 2 , on doit résoudre : [ ][ ] [ ] 2 8 δx −13 =− 2 2 δy −5

ce qui donne δx = [ 13 10 ]T . 6 3 [ b) En partant de 13 6 [ 13 3 16 3

7 6

10 3 40 3 5 6

et δy =

4 3

et une nouvelle approximation

]T

, on doit résoudre : ][ ] [ ] δx 4,916 667 =− δy 1,166 667

Réponses aux exercices du chapitre 4 1. Si x est un point fixe, alors x = g(x) et g(g(x)) = g(x) = x. L’inverse est cependant faux. (2)

(2)

(2)

2. Il suffit de calculer par exemple g(r1 ) = λr1 (1 − r1 ) et de montrer (2) que l’on obtient r2 (après simplification). a) Le polynôme caractéristique est λ2 −4λ+3. Les valeurs propres sont 1 et 3, et le rayon spectral est donc 3. La matrice est divergente. b) Le polynôme caractéristique est (λ − 12 )(λ − 31 )(λ − 41 ). Les valeurs propres sont 14 , 13 et 12 , et le rayon spectral est donc 21 . La matrice est convergente. 4. La convergence de la méthode de Jacobi dépend du rayon spectral de la matrice TJ = −D−1 (TI + TS ) et non du rayon spectral de la matrice A elle-même. Dans ce cas : ] [ 0 12 Tj = 1 2 0 3.

et son rayon spectral est 12 . 5. a) Seul (1 , 1) est un point fixe.



b) Il est attractif car ρ(J(1 , 1)) = 22 < 1. c) Les 5 premières itérations donnent : (1,4142 , 0), (1,4142 , 1,1892), (0,7653 , 1,1892), (0,7654 , 0,8749) et (1,1111 , 0,8749).

448 6.

Réponses aux exercices a) Il faut démontrer que |g1′ (r1 )| < 1, où g1 (x) = g(g(x)). Le résultat vient immédiatement de la règle de dérivation en chaîne. b) {r1 , r2 , r3 , · · · , rn } est une orbite n-périodique attractive si : g(g(g(· · · g(r1 )))) < 1 Par dérivation en chaîne,

n ∏

(g est composée n fois)

|g ′ (ri )| < 1.

i=1

7. {−1 , 0} est une orbite 2-périodique attractive. 8. Il suffit de montrer que T ( 27 ) = 47 , T ( 47 ) = 67 et T ( 76 ) = 72 , et que T ( 29 ) = 49 , T ( 49 ) = 89 et T ( 89 ) = 29 . Ces orbites 3-périodiques sont toutes deux répulsives, car |T ′ ( 27 )T ′ ( 74 )T ′ ( 67 )| = 8 et |T ′ ( 29 )T ′ ( 49 )T ′ ( 98 )| = 8. 9. Il suffit d’expliciter le terme T ⃗x + ⃗c et de constater que la matrice jacobienne est T . Cette méthode des points fixes convergera si ρ(T ) < 1. On remarque de plus que les méthodes de Jacobi et de Gauss-Seidel sont de cette forme. 10. On peut prendre par exemple la matrice : 

 3 1 1  1 3 1  1 1 3 pour laquelle la matrice TJ est : 

 0 − 31 − 13  1  0 − 31   −3 − 13 − 31 0 On a alors ||TJ ||∞ = 23 , qui est inférieur à 1. 11.

a) Dès la première équation, a11 = 0 et la méthode de Jacobi ne peut pas s’appliquer. b) On réordonne les équations de telle sorte que la nouvelle matrice soit à diagonale strictement dominante : E3 , E4 , E2 , E1 .

12. Les itérations de la méthode de Jacobi donnent : Méthode de Jacobi n xn1 xn2 xn3 1 1,444 444 1,800 000 −1,222 222 2 1,980 247 1,844 444 −0,982 716 3 1,963 512 1,999 506 −1,032 373 4 2,003 487 1,986 228 −0,996 056 5 1,996 501 2,001 486 −1,003 448

Réponses aux exercices

449

Avec la méthode de Gauss-Seidel, on obtient : n 1 2 3 4 5

Méthode de Gauss-Seidel xn1 xn2 xn3 1,444 444 2,088 889 × 101 −0,918 519 2,010 700 2,018 436 × 101 −0,997 092 2,003 774 2,001 336 × 101 −1,000 122 2,000 311 2,000 038 × 101 −1,000 026 2,000 011 1,999 997 × 101 −1,000 002

et une convergence plus rapide vers

[

2 2 −1

]T

.

Réponses aux exercices du chapitre 5 1. Cette affirmation est vraie en général. Cependant, dans certains cas, il est possible de construire ce polynôme. Par exemple, si l’on choisit 3 points sur une droite, on peut construire le polynôme de degré 1 (la droite) passant par ces 3 points. 2. On doit résoudre le système :      1 1 1 a0 2  1 2 4   a1  =  6  1 3 9 a2 12 dont la solution est [0 1 1]T . Le polynôme est donc p2 (x) = x + x2 . 3. a) p2 (x) = 21 x2 − 32 x + 1. b) p2 (x) = 1. c) p2 (x) = −2x2 + x + 1. La solution de ces problèmes est unique car le déterminant des systèmes linéaires correspondants est différent de 0. (x − 1)(x − 2) (x − 0)(x − 2) (x − 0)(x − 1) 4. a) p2 (x) = 0 +2 + 36 (0 − 1)(0 − 2) (1 − 0)(1 − 2) (2 − 0)(2 − 1) (x − 1)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3) +2 (0 − 1)(0 − 2)(0 − 3) (1 − 0)(1 − 2)(1 − 3) (x − 0)(x − 1)(x − 3) (x − 0)(x − 1)(x − 2) + 36 + 252 (2 − 0)(2 − 1)(2 − 3) (3 − 0)(3 − 1)(3 − 2)

b) p3 (x) = 0

f (3) (ξ)(x)(x − 1)(x − 2) , ξ ∈ [0 , 2] 3! (4) f (ξ)(x)(x − 1)(x − 2)(x − 3) E3 (x) = , ξ ∈ [0 , 3] 4!

c) E2 (x) =

5.

d) a) b) c)

p2 (1,5) = 15,0, p3 (1,5) = 5,625 p2 (x) = 2x + 16x(x − 1) p3 (x) = p2 (x) + 25x(x − 1)(x − 2) Les expressions analytiques des erreurs sont les mêmes qu’à l’exercice précédent. Cependant, on peut estimer la valeur de ces erreurs : E2 (x) ≃ 25x(x − 1)(x − 2), E3 (x) ≃ 10x(x − 1)(x − 2)(x − 3)

450

Réponses aux exercices

d) Mêmes réponses qu’au numéro précédent. De plus, E2 (1,5) ≃ −9,375 et E3 (1,5) ≃ 5,625. 6. Puisque l’ordonnée est toujours égale à 1, le polynôme constant p0 (x) = 1 est une solution possible. La solution est unique puisqu’il n’y a qu’un seul polynôme de degré inférieur ou égal à 4 passant par 5 points. 7. a) p3 (x) = 1 − 10x − 3x2 + x3 (x − 1)(x − 2)(x − 5) (x + 3)(x − 2)(x − 5) b) p3 (x) = −23 − 11 −160 16 (x + 3)(x − 1)(x − 5) (x + 3)(x − 1)(x − 2) +1 −15 96 c) p3 (x) = −23 + 3(x + 3) − 3(x + 3)(x − 1) + (x + 3)(x − 1)(x − 2) (x − 362,6)(x − 423,3)(x − 491,4) a) p3 (x) = 0,055 389 (308,6 − 362,6)(308,6 − 423,3)(308,6 − 491,4) − 23

8.

+ 0,047 485

(x − 308,6)(x − 423,3)(x − 491,4) (362,6 − 308,6)(362,6 − 423,3)(362,6 − 491,4)

+ 0,040 914

(x − 308,6)(x − 362,6)(x − 491,4) (423,3 − 308,6)(423,3 − 362,6)(423,3 − 491,4)

(x − 308,6)(x − 362,6)(x − 423,3) (491,4 − 308,6)(491,4 − 362,6)(491,4 − 423,3) b) On obtient p3 (400) = 0,043 199. + 0,035 413

3

9. Le polynôme de Taylor de degré 3 s’écrit t3 (x) = πx − π6 x3 tandis que √ √ le polynôme de Lagrange de degré 3 s’écrit p3 (x) = − 38 2x2 + 83 2x. La valeur exacte de la dérivée est f ′ (1/3) = π/2 = 1,570 796 326. D’autre part, t′3 (1/3) = 1,419 021 726 et p′3 (1/3) = 1,257 078 722 de sorte que l’approximation de Taylor est plus précise. Ceci est dû au fait que les nœuds d’interpolation choisis sont trop éloignés de x = 1/3. Si on avait fait la même comparaison en x = 23 le polynôme de Lagrange aurait donné un meilleur résultat. 10. a) Le polynôme de degré 4 est : p4 (x) = 0,693 147 180 6(x − 1) − 0,143 841 036 1(x − 1)(x − 2) + 0,028 316 505 97(x − 1)(x − 2)(x − 3) − 0,004 860 605 018(x − 1)(x − 2)(x − 3)(x − 4) b) p4 (6,32) = 1,681 902 alors que ln(6,32) = 1,843 719. L’erreur absolue est donc de 0,161 817. L’équation 5.23 nous donne 0,183 563. c) On veut maintenant diminuer cette erreur d’un facteur 100 et donc obtenir une erreur absolue de 0,001 618. Le polynôme de Newton de degré 5 obtenu en ajoutant le nœud x5 = 5,5 est : p5 (x) = p4 (x) + f [x0 , . . . , x5 ](x − 1)(x − 2) · · · (x − 5) = 0,785 58 × 10−3 (x − 1)(x − 2)(x − 3)(x − 4)(x − 5) de sorte que p5 (6,32) = 1,681 902 + 0,183 563 = 1,865 465. L’erreur absolue est de | ln(6,32) − 1,865 465| = 0,021 746 et il faut encore

Réponses aux exercices

451

ajouter un noeud (x6 = 6.0) pour obtenir : p6 (x) = p5 (x) + f [x0 , . . . , x6 ](x − 1)(x − 2) · · · (x − 5)(x − 5,5) = −0,119 05 × 10−3 (x − 1)(x − 2) · · · (x − 5,5) On a alors p6 (6,32) = 1,865 465 − 0,228 1 = 1,842 654 et l’erreur absolue est de 0,001 065, ce qui est mieux que la précision requise. d) L’équation 5.21 nous donne une expression pour l’erreur : E4 (x) =

f (5) (ξ(x)) [(x − 1)(x − 2)(x − 3)(x − 4)(x − 5)] 5!

x ∈]1, 5[

et nous sommes intéressés au signe de l’erreur. Or puisque f (5) (x) = 24 est positif, le signe de l’erreur ne dépend que du produit entre x5 les crochets dont trois des facteurs sont positifs et deux négatifs. L’erreur est positive et le graphe de ln(x) est au dessus de celui de p4 (x). 11. Sur l’intervalle [xi , xi+1 ], l’erreur d’interpolation est donnée par f (2) (ξ(x)) |E1 (x)| = |(x − xi )(x − xi+1 )| 2 1 |(x − xi )(x − xi+1 )| = 8 (ξ(x))3/2 où xi ≤ ξ(x) ≤ xi+1 .Or |E1 (x)| = ≤

1 ≤ 1 car 1 ≤ x et on obtient l’estimation : x3/2

1 |(x − xi )(x − xi+1 )| 8 (ξ(x))3/2 1 1 h2 |(x − xi )(x − xi+1 )| ≤ (h/2)(h/2) = 8 8 32

où h = 9/n est l’espacement entre les √ nœuds. Il faut donc choisir h de 2 −6 sorte que h /32 ≤ 10 ⇐⇒ n ≥ (9/ 32) × 103 = 1590,99, c.-à-d. à partir de n = 1591. 12.

a) Voici la table des différences divisées : xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ] 0,0 0,1 1 0,1 0,2 0 1 50/3 0,2 0,3 5 2 0,3 0,5 b) p3 (x) = 0,1 + x +

50 3 x(x

− 0,1)(x − 0,2)

452

Réponses aux exercices (3)

c) E2 (x) = f (ξ(x)) (x − 0,1)(x − 0,2)(x − 0,3) pour x ∈]0, 0,3[. Au 6 point x = 0,18, on aura : (3) |E2 (0,18)| = f (ξ(x)) |(0,18 − 0,1)||(0,18 − 0,2)||(0,18 − 0,3)| 6 max

|E2 (0,18)| ≤

0,1≤x≤0,3

(3) f (x) (0,08)(0,02)(0,12)

6

≤ 3/6 (0,08)(0,02)(0,12) = 9,6 10−5 < 10−4 13.

et la réponse est donc oui. a) Le système linéaire est :  1 0 0 0  1 2 1 0  2 2  1  0 2 2 12   0 0 1 2 2 0 0 0 0

0 0 0 1 2

1

      

f0′′ f1′′ f2′′ f3′′ f4′′





      =    

0 96 546 1716 0

      

[ ]T b) La solution est 0 34,7143 53,1428 844,714 0 . c) L’abscisse 1,5 est dans le deuxième intervalle (i = 1). L’équation de la spline est : p1 (x) = 2 + 13,5714(x − 1) + 17,3572(x − 1)2 + 3,0716(x − 1)3 14.

ce qui signifie que p(1,5) = 13,5089. a) On prend les points dont les abscisses sont les plus rapprochées de 4,5 (il y a deux possibilités). En prenant les points d’abscisses 5, 3,5 et 7,0, on trouve : p2 (x) = 1,6094 + 0,237 733(x − 5) − 0,019 8523(x − 5)(x − 3,5) qui prend la valeur 1,500 459 65 en x = 4,5. L’expression analytique du terme d’erreur est : E2 (x) =

f (3) (ξ)(x − 5)(x − 3,5)(x − 7) avec ξ ∈ [3,5 , 7] 3!

b) p2 (x) = 1,6094

(x − 5)(x − 7) (x − 3,5)(x − 7) + 1,2528 (5 − 3,5)(5 − 7) (3,5 − 5)(3,5 − 7)

+ 1,9459

(x − 5)(x − 3,5) (7 − 5)(7 − 3,5)

c) E2 (x) ≃ 0,005(x − 5)(x − 3,5)(x − 7), de telle sorte que E2 (4,5) ≃ 0,006 25.

Réponses aux exercices

453

d) Non. Il faut utiliser la méthode de Newton. e) Les deux méthodes donnent le même polynôme, mais exprimé différemment. Elles ont le même terme d’erreur, mais seule la méthode de Newton peut fournir une approximation de l’erreur. 15. On donne le tableau des valeurs des différents polynômes en fonction du degré ainsi que l’approximation de l’erreur commise. n pn (1,05) = En (1,05) ≃ 1 0,852 839 300 0,299 125 × 10−3 2 0,853 138 425 0,410 000 × 10−5 On constate que l’approximation de l’erreur absolue est inférieure à 0,5× 10−5 pour le polynôme de degré 2. 16. On peut regrouper les termes comme pour la méthode de Horner. Pour n = 3 on a : p(x) = c1 + (x − x1 )(c2 + (x − x2 )(c3 + (x − x3 )c4 )) R pourrait s’écrire : Dans le cas général, un programme Matlab⃝

p = c(n); for i=n-1:-1:1 p = c(i) + (x - x(i)).*p; end f (xi+1 ) − f (xi ) 17. f [xi , xi+1 ] = h f (xi+2 ) − 2f (xi+1 ) + f (xi ) f [xi , xi+1 , xi+2 ] = 2h2 f (xi+3 ) − 3f (xi+2 ) + 3f (xi+1 ) − f (xi ) f [xi , xi+1 , xi+2 , xi+3 ] = 3!h3 18. a) Le système linéaire est :     f ′′   1 0 0 0 0 ′′   1 2 1   f1  =  18  2 2 f2′′ 0 0 0 1

19.

d’où f0′′ = f2′′ = 0 et f1′′ = 9 b) p0 (x) = − 12 x + 23 x3 , d’où p0 ( 21 ) = −0,0625 c) Pour la spline naturelle, on utilise l’approximation f0′′ = f2′′ = 0. Cependant, la fonction f (x) = x3 a comme dérivée seconde f ′′ (x) = 6x qui ne s’annule pas en x = 2, d’où l’erreur. a) Le nouveau système s’écrit :    f ′′    1 0 0 0 0 ′′   1 2 1   f1  =  18  2 2 f2′′ 12 0 0 1 ce qui donne f0′′ = 0, f1′′ = 6, et f2′′ = 12. L’équation de la spline est alors p0 (x) = p1 (x) = x3 et l’approximation est exacte.

454

Réponses aux exercices b) Le système s’écrit dans ce cas :   f ′′    1 −1 0 0 0  ′′   1 2 21   f1  =  18  2 f2′′ 0 0 −1 1 

20. 21.

22. 23.

ce qui donne f0′′ = f1′′ = f2′′ = 6. Or, pour la fonction x3 , on devrait avoir f0′′ = 0, f1′′ = 6 et f2′′ = 12. L’approximation est donc inexacte. a) Il y a 4 conditions. Il faut donc un polynôme de degré 3. b) p3 (x) = x2 (2,7 − 1,7x) a) Il suffit de calculer la table de différences divisées. b) On ne peut rien conclure de général sur la fonction inconnue f (x). Tout ce que l’on peut dire est que les points d’interpolation fournis se situent sur une parabole dont l’équation est p(x) = 3 − (x − 0) + x(x − 1) = 3 − x + x2 − x = x2 − 2x + 3. Le polynôme calculé de cette manière n’est autre que p9 (x) = x2 de sorte qu’il n’y a aucune oscillation indésirable. Il faut utiliser les 3 points dont les abscisses (dans l’ordre x = 2, x = 3 et x = 1) sont les plus rapprochées de x = 2,1. On obtient ainsi le polynôme : p2 (x) = 3,762 196 + 6,305 464(x − 2) + 2,043 1745(x − 2)(x − 3)

qui prend la valeur 4,208 856 695 en x = 2,1. 24. a) Il faut vérifier les relations suivantes : p0 (0) = 1, p0 (1) = 2, p1 (1) = 2 et p1 (2) = 7/6. À la jonction, on doit avoir p′0 (1) = p′1 (1)(= 0 dans ce cas) et p′′0 (1) = p′′1 (1)(= −3 dans ce cas). b) Pour avoir une spline naturelle, il faudrait que p′′0 (0) = 0 et p′′1 (2) = 0. Or dans ce cas p′′1 (2) = 1 et ce n’est pas une spline naturelle. 25. a) Il faut classer les points par distance croissante par rapport à l’abscisse x = 3,1. On prend donc successivement les abscisses : 3,0, 3,5, 2,5, 4,0 et 1,5. En prenant le polynôme de degré 0, on trouve : p0 (3,1) = 1,098 612 et |E0 (3,1)| ≃ |0,030 830| > 0,5 × 10−3 Polynôme de degré 1 : p1 (3,1) = p0 (3,1) + E0 (3,1) = 1,129 4422 et |E1 (3,1)| ≃ 0,002 25 Polynôme de degré 2 : p2 (3,1) = p1 (3,1) + E1 (3,1) = 1,131 6958 et |E2 (3,1)| ≃ 0,000 24 et cette erreur est inférieure à 0,5 × 10−3 . ′′′

b) E2 (3,1) = f 3!(ξ) (3,1 − 3,0)(3,1 − 3,5)(3,1 − 2,5) pour un certain ξ ∈ [2,5 , 3,5].

Réponses aux exercices 26.

455

a) Le point 0,75 est dans l’intervalle [0,5 , 1,0] et l’on doit donc utiliser le polynôme : p1 (x) = 1,127 626 + 0,493 995(x − 0,5) 1,432 458 0,508 788 + (x − 0,5)2 − (x − 0,5)3 2 6 b) c)

27.

a)

b)

c)

qui prend la valeur 1,294 564 en x = 0,75. Les 2 polynômes donnent le même résultat, car la dérivée de la spline est continue en x = 1. À l’aide du tableau, on trouve, f ′′ (1,5) ≃ f3′′ = 3,308 238.     ′′   a f0 1 0 0 0 0  0,5 2 0,5 0 0   f1′′   6 × 0,575 658       2 0,5 0   f2′′  =  6 × 0,787 746   0 0,5  0 0 0,5 2 0,5   f3′′   6 × 1,200 918  b f4′′ 0 0 0 0 1    ′′    1 −1 0 0 0 f0 0  0,5 2 0,5 0 0   f1′′   6 × 0,575 658       2 0,5 0   f2′′  =  6 × 0,787 746   0 0,5  0     ′′ 0 0,5 2 0,5 f3 6 × 1,200 918  ′′ 0 0 0 −1 1 f4 0 ′ Dans le cas général, si l’on veut imposer p0 (x0 ) = a et p′n−1 (xn ) = b, on remplace dans les équations 5.37 et l’on trouve les conditions : 2f0′′ + f1′′ = 12 (0,255 252 − a) ′′ fn−1 + 2fn′′ = 12 (b − 2,819 574))

Le système à résoudre est :  2 1 0 0 0  0,5 2 0,5 0 0  2 0,5 0  0 0,5  0 0 0,5 2 0,5 0 0 0 1 2

    

f0′′ f1′′ f2′′ f3′′ f4′′





    =  

12 (0,255 252 − a) 6 × 0,575 658 6 × 0,787 746 6 × 1,200 918 12 (b − 2,819 574)

    

28. Pour un certain ξ(x) entre -1 et 1, l’erreur d’interpolation s’écrit : E2 (x) =

6 f (3) (ξ(x)) (x + 1)(x)(x − 1) = (x + 1)(x)(x − 1) = x3 − x 6 6

L’erreur |E2 (x)| sera maximale aux points √ où la dérivée est nulle, c.-à-d. lorsque E2′ (x) = 3x2 − 1 = 0 ⇐⇒ x = ± 3/3. 29. Pour une spline cubique naturelle on utilise : f0′′ = f2′′ = 0 et comme n = 2 il ne reste qu’à déterminer f1′′ . Nous avons seulement une équation : (1/2)f0′′ + 2f1′′ + (1/2)f2′′ = 6f [x0 , x1 , x2 ] et donc f1′′ = 3. L’équation de la spline cubique sur l’invervalle [-1 , 0] est p0 (x) = 2 − 25 (x + 1) + 12 (x + 1)3 , tandis que celle sur l’intervalle [0,1] 3 est p1 (x) = −x + 32 x2 − x2 .

456

Réponses aux exercices

30. a) Non car il faudrait imposer S ′ (3) = 6. b) Oui. c) x n’interpole pas x3 . d) Oui. e) Non car il faudrait imposer S ′ (2) = 12. 2 31. a) On interpole linéairement entre les points (0 , 11 ) et (3 , 2). b) On calcule les coefficients du polynôme de degré 3 (p3 (x)) passant 2 par les points (0 , 11 ) et (3 , 2) et vérifiant de plus p′3 (0) = 0 et ′ p3 (3) = 0. 32. a)      α1 1 0 2 5 1 0  2 0 3 1 2   α2   4        5 3 0 1 5   α3  =  7   1 1 1 0 0  a   0  1 a2 0 0 2 5 0 0

33.

b) u(x) = 0,15|x − 0| − 0,25|x − 2| + 0,1|x − 5| + 1,0 + 1,2x et u(3) = 5 c) Il suffit d’effectuer une interpolation linéaire entre les deux derniers points de la table et l’on obtient le même résultat en x = 3. a)      0 8 125 1 0 α1 1  8 0 27 1 2   α2   4       0 1 5   α3  =  7   125 27  1 1   1 0 0 a1   0  0 2 5 0 0 a2 0 b) u(x) = −0,0125|x − 0|3 + 0,020 833|x − 2|3 − 0,008 333|x − 5|3 + 1,875 + 1,225x et u(3) = 5,1667 

34.

   

0 4 25 1 0

 4 25 1 0 0 9 1 2   9 0 1 5  1 1 0 0  2 5 0 0

α1 α2 α3 a1 a2





    =  

1 4 7 0 0

    

Le déterminant de cette matrice est nul. 35.

        

   0 0 0 0,6931 1 1 1 α1 0 0 0,6931 0 1 2 1   α2      0 0,6931 0 0 1 1 2   α3      0,6931 0 0 0 1 2 2   α4  =     1 1 1 1 0 0 0   a1    1 2 1 2 0 0 0   a2   a3 1 1 2 2 0 0 0

1 2 2 4 0 0 0

        

En résolvant le système, on trouve α1 = 0,360 674, α2 = −0,360 674, α3 = −0,360 674, α4 = 0,360 674, a1 = −2,25, a2 = 1,5 et a3 = 1,5. La fonction : u(x1 , x2 ) =

4 ∑

αj ||⃗x − ⃗xj ||22 ln ||⃗x − ⃗xj ||2 + a1 + a2 x1 + a3 x2

j=1

évaluée en ( 23 , 32 ), vaut précisément 49 .

Réponses aux exercices 36. Suivant la formule 5.41, on obtient t1 = 0, t5 = 4. Les systèmes à résoudre sont :   α1 0 1 2 3 4 1 0  1 0 1 2 3 1 1   α2    2 1 0 1 2 1 2   α3    3 2 1 0 1 1 3   α4  4 3 2 1 0 1 4  a  1   1 1 1 1 1 0 0   a2 0 1 2 3 4 0 0 a3

457

t2 = 1, t3 = 2, t4 = 3 et 



        =      

En résolvant ces systèmes, on trouve [ 12 − 12 [0 21 − 12 − 12 21 0 0]T , ce qui signifie que :



0 1 1 0 0 0 0 1 2

0 0 1 1 0 0 0

        

1 2

0 0 0]T et

1 1 1 1 γ1 (t) = |t| − |t − 1| − |t − 2| + |t − 3| 2 2 2 2 et :

1 1 1 1 γ2 (t) = |t − 1| − |t − 2| − |t − 3| + |t − 4| 2 2 2 2 qui est l’équation paramétrique du carré.

Réponses aux exercices du chapitre 6 1. Voir le tableau de la page 295. 2. Voir le tableau de la page 295. 3. Différences avant : f ′ (0) ≃ 0,999 135 pour h = 0,05, f ′ (0) ≃ 0,999 788 pour h = 0,025. (4 × 0,999 788 − 0,999 135) Richardson : = 1,000 005 667 3 Différences arrière : f ′ (0) ≃ 0,999 1972 pour h = 0,05, f ′ (0) ≃ 0,999 7955 pour h = 0,025. (4 × 0,999 7955 − 0,999 1972) Richardson : = 0,999 994 96 3 f (x + h) − f (x − h) h2 f ′′′ (x) h4 f (5) (x) h6 f (7) (x) 4. = f ′ (x) + + + + ··· 2h 3! 5! 7! L’extrapolation de Richardson permet de gagner 2 ordres de précision. 5. Pour calculer l’approximation de f ′ (1,005) on utilise la deuxième formule du tableau 6.13 avec x = 1,005 et h = 0,005 : f ′ (1,005)



fapp (1,01) ± ∆f − fapp (1,00) ± ∆f f (1,01) − f (1,00) = 0,01 0,01

⇒ f ′ (1,005) =

fapp (1,01) − fapp (1,00) 2∆f ± 0,01 0,01

On obtient finalement f ′ (1,005) = 5 ± 1 car ∆f = 0,005. Pour calculer l’approximation de f ′ (1,015) on utilise la même formule avec h =

458

Réponses aux exercices 0,005 et x = 1,015. On obtient f ′ (1,005) = 6 ± 1. Pour le calcul de l’approximation de f ′′ (1,01) on utilise la troisième formule du tableau 6.15 avec h = 0,01 : f ′′ (1,01) =

fapp (1,02) − 2fapp (1,01) + fapp (1,00) 4∆f ± 2 (0,01) (0,01)2

et donc f ′′ (1,01) = 100 ± 200, ce qui est fort peu précis. 6. a) Les formules à 3 points sont exactes pour les polynômes de degré 2. On peut donc les utiliser pour obtenir p′ (1). Pour ce calcul, on utilise la deuxième formule du tableau 6.13. En x = 1 et avec h = 1, p(2) − p(0) =8 on a : p′ (1) = 2 b) On ne peut évaluer p′′ (x) exactement que si x ∈ {0, 1, 2} (à moins de calculer explicitement p(x)). c) Par la méthode des systèmes linéaires on trouve p(x) = 2x2 + 4x + 1 et donc p′ (1) = 8. 7. Puisque les abscisses ne sont pas également espacées, il n’y a que 2 possibilités. La formule centrée (h = 0,1) donne −0,2554 ce qui est acceptable. La formule avant donne −0,255 8386, ce qui est un peu moins bon. 8. Pour x0 = 0,5, la valeur exacte de la dérivée est 0,866 025 4038. Si on calcule les erreurs exactes en valeurs absolues, on obtient : ) 1 ( √ f (x) = x 1 − x2 + arcsin(x) x0 = 0,5 2 n hn en en /en+1 1 0,1 0,004 517 696 856 111 3,772 2 0,05 0,001 197 491 175 961 3,870 3 0,025 0,000 309 428 655 761 3,930 4 0,0125 0,000 078 729 449 561 3,964 5 0,00625 0,000 019 861 825 961 −− 9.

10. 11.

12.

Le ratio en /en+1 tend vers 4 ce qui correspond à une erreur en O(h2 ). Il faut calculer le polynôme de degré 4 passant par les points (x − 2h, f (x − 2h)), (x − h, f (x − h)), (x, f (x)), (x + h, f (x + h)), (x + 2h, f (x + 2h)) et le dériver 2 fois. Il suffit d’intégrer respectivement p1 (x) sur l’intervalle [x0 , x1 ], p2 (x) sur l’intervalle [x0 , x2 ] et p3 (x) sur l’intervalle [x0 , x3 ]. L’erreur globale de la formule des trapèzes composée est donnée par − ((b − a)/12) f ′′ (ξ)h2 . Or la fonction f est convexe et elle est donc caractérisée par le fait que f ′′ (x) > 0. L’erreur est donc négative et l’approximation sera alors plus grande que la valeur exacte. a) L’erreur pour la formule des trapèzes composée est inférieure à π max |f ′′ (x)|h2 . On calcule f ′′ (x) = −2 cos(2x) − 2 sin(x) et on [0,2π] 6 constate que |f ′′ (x)| ≤ 4. Puisque h = 2π/n, il faut donc que : ⌉ ⌈ √ 1 8π 3 2 ≤ 10−8 ⇒ n = 104 8π 3 /3 = 90 930,4 = 90 931 3n

Réponses aux exercices

459

Ce nombre de points est considérable. En fait, cette borne est très pessimiste pour les fonctions périodiques quand l’intervalle d’intégration est la période. Avec la méthode des trapèzes composée on obtient, avec 4 sous-intervalles, c’est-à-dire 5 points, 3,141 592 654. L’erreur absolue est alors inférieur à 0,5 × 10−10 . b) Le tableau obtenu avec 16 sous-intervalles est :

6,283 6,283 1,815 3,233 3,140

13.

14.

15. 16.

17. 18.

185 185 142 569 119

Méthode de Romberg 6,283 185 3,141 593 3,141 593 3,141 593 2,094 395 3,141 593 3,141 593 3,211 406 3,141 593 3,140 485

On voit que les méthodes d’ordre plus élevé ne font pas mieux car dès que deux valeurs sont identiques la valeur de la colonne suivante est la même (voir T2,3 et T2,4 avec T3,3 ). Ici la méthode des trapèzes est trop efficace et la méthode de Romberg n’apporte rien ! Ceci est typique du comportement de la méthode du trapèze pour le calcul de l’intégrale d’une fonction périodique sur une période. Trapèzes : 1,727 221 905 pour 4 intervalles (h = 0,25) et 1,720 518 592 pour 8 intervalles (h = 0,125). (4 × 1,720 518 592 − 1,727 221 905) = 1,718 284 154 Richardson : 3 −2 (ordre 4). Les erreurs respectives sont 0,894 × 10 , 0,223 × 10−2 et 0,2326 × 10−5 . Simpson 1/3 : 1,718 318 843 pour 4 intervalles (h = 0,25) et 1,718 284 154 pour 8 intervalles (h = 0,125). (24 × 1,718 284 154 − 1,718 318 843) Richardson : = 1,718 281 843 15 −4 (ordre 6). Les erreurs respectives sont 0,37×10 , 0,2326×10−5 et 0,15× 10−7 . Simpson 3/8 (h = 34 ) : 17,327 866 29 avec une erreur absolue de 0,54 × 10−2 La formule 6.28 stipule que l’erreur dans la formule de Simpson est de la forme −C f (4) (η) où C > 0 et η est un point inconnu entre 1 et 2. Or la dérivée quatrième de ln x est −6/x4 , ce qui veut dire que l’erreur est positive et que la valeur donnée par la formule de Simpson est inférieure à la valeur exacte. π ) : 0,881 374 32 avec une erreur absolue de 0,733 × 10−6 Boole (h = 32 Méthode de Romberg 0,785 398 164 0,916 297 857 0,968 361 509 (ordre 2) 0,959 931 089 0,985 716 059

(ordre 4)

0,987 435 057

(ordre 6)

460

Réponses aux exercices

19. Il suffit de développer les expressions de T1,2 et T1,1 et de faire l’opération. 20. a) ln 2 b) Il faut se rendre jusqu’à T1,4 , pour lequel le rapport est 0,004. Méthode de Romberg 0,708 333 33 0,697 023 80 0,694 121 85 (ordre 2)

0,75

c) 0,694 444 44 0,693 253 96 0,693 154 53

21.

(ordre 4)

0,693 174 60 0,693 147 90

(ordre 6)

0,693 147 47

(ordre 8)

d) La deuxième ligne du tableau correspond à la méthode de Simpson 1/3 avec 2, 4 et 8 intervalles. a) Il faut n = 26 sous-intervalles. b) En faisant le graphique, on voit que le maximum de |f (4) (t)| est atteint en t = 0. Ceci fournit la borne |f (4) (t)| ≤ 7, pour tout t ∈ [0, 2π]. c) L’expression de l’erreur pour la formule de Simpson composée est (4) (ξ) h4 , pour une valeur ξ dans l’intervalle [a, b] d’où : − b−a 180 f 2π − 0 4 b − a (4) 4 −6 f (ξ) h ≤ 180 7 h ≤ 10 180

22.

23. 24. 25. 26.

Ceci donne h ≤ 0,04498. Le nombre de points est fourni par la relation h = (b − a)/2n et donc n ≥ 40. On note que cette borne est de loin supérieure à celle obtenue par l’expérimentation. Il faut utiliser les méthodes de Gauss-Legendre, car la fonction ln x n’est pas définie en x = 0. Les formules à 2, à 3 et à 5 points donnent respectivement les approximations −0,405 465, −0,509 050 405 et −0,571 707 615. La valeur exacte est −0,613 705 639. La formule à 3 points est exacte pour les polynômes de degré 5. a) a = b = 3h 2 . b) 1,25. c) 1,425. d) Respectivement 1 et 2 chiffres significatifs. Erreur(h = 0,2) 0,009 872 = = 7,99 ≃ 23 Erreur(h = 0,1) 0,001 234 La méthode est donc d’ordre 3. a) Le terme de droite devient : hf (x0 ) +

h2 f ′ (x0 ) h3 f ′′ (x0 ) h4 f ′′′ (x0 ) h5 f (4) (x0 ) + + + + O(h6 ) 2 6 27 162

b) Le terme de gauche devient, après intégration : hf (x0 ) +

h2 f ′ (x0 ) h3 f ′′ (x0 ) h4 f ′′′ (x0 ) h5 f (4) (x0 ) + + + + O(h6 ) 2 6 24 120

27.

Réponses aux exercices 461 ( ) 1 1 c) Le premier terme de l’erreur est : h4 f ′′′ (x0 ) 24 − 27 et la méthode est d’ordre 4. d) Degré 2. a) On montre que : f (x + h) − 2f (x) + f (x − h) h2

2f (4) (x)h2 + 4! (6) 4 2f (x)h + O(h6 ) 6!

= f ′′ (x) +

et l’approximation est donc d’ordre 2. b) Pour h = 0,2, on obtient f ′′ (2,0) ≃ −0,251 2575 tandis que, pour h = 0,1, on obtient f ′′ (2,0) ≃ −0,250 3200. c) Une extrapolation de Richardson (avec n = 2) donne f ′′ (2,0) ≃ −0,250 0075 qui est une approximation d’ordre 4 puisque le deuxième terme de l’erreur obtenue en a) est de degré 4 en h. d) On a le tableau : Méthode de Romberg 0,675 248 82 0,676 253 85 0,676 506 045 (ordre 2) 0,676 588 86

0,676 590 11

(ordre 6)

0,676 590 193 28.

(ordre 4)

a) Il faut utiliser les points dont les abscisses sont les plus rapprochées de t = 1,2 soit dans l’ordre t = 1,0, t = 1,5 et t = 0,5. On obtient ainsi le polynôme p2 (x) = 75,5 + 13,4(t − 1,0) −0,8(t − 1,0)(t − 1,5) qui vaut 78,228 km/h à t = 1,2. 1 ′′′ v (ξ)(t − 1,0)(t − 1,5)(t − 0,5) pour un certain ξ ∈ b) E2 (t) = 3! [0,5 , 1,5] c) On introduit le point d’abscisse t = 2,0 et l’on complète la table de différences divisées. On obtient E2 (t) ≃ 1,2(t − 1,0)(t − 1,5)(t − 0,5) qui vaut 0,0504 à t = 1,2. d) Pour h = 1,0, la différence centrée donne 14,7 km/(h · s) = 4,083 333 m/s2 tandis que, pour h = 0,5, on obtient 3,833 333 m/s2 . Une extrapolation de Richardson avec n = 2 donne a = 3,75 m/s2 qui est une approximation d’ordre 4. e) Il suffit d’intégrer la fonction tabulée. 149,4

Méthode de Romberg 150,2 150,4 (ordre 2)

150,466 666 667 150,466 666 667

(ordre 4)

150,466 666 667

(ordre 6)

La distance d est donc 150,466 666 667 (km · s)/h ou encore 41,796 2963 m.

462

Réponses aux exercices

29. Il suffit de prendre successivement f (t) = 1, f (t) = t et f (t) = t2 et l’on obtient un système de 3 équations en 3 inconnues. La solution est a0 = a2 = 43 et a1 = − 32 . Ceci nous assure d’un degré de précision d’au moins 2. Avec ces valeurs, on vérifie que la formule de quadrature est exacte aussi pour f (t) = t3 mais pas pour f (t) = t4 . On a donc un degré de précision de 3. 30. Il suffit de prendre successivement f (t) = 1, f (t) = t et f (t) = t2 et l’on obtient un système de 3 équations en 3 inconnues. La solution est w1 = 12 , w2 = 23 et t2 = 31 . Ceci nous assure d’un degré de précision d’au moins 2. Avec ces valeurs, on vérifie que la formule de quadrature n’est pas exacte pour f (t) = t3 . On a donc un degré de précision de 2. 31. La formule sera exacte pour les polynômes de degré au plus 2, si elle est exacte pour 1, x, x2 c’est-à-dire si : ∫1 f (x) = 1 ⇒ 0 f (x) dx = 1 = A + B + C ∫1 f (x) = x ⇒ 0 f (x) dx = 21 = B3 + C ∫1 f (x) = x2 ⇒ 0 f (x) dx = 31 = B9 + C La solution du système est A = 0, B = 34 , C = 14 et donc la quadrature ∫ 1 est f (x) dx = (1/4) [3f (1/3) + f (1)] . Pour connaître son degré de 0

précision, on vérifie pour f (x) = x3 . La valeur exacte de l’intégrale est 1/4, alors qu’avec la quadrature on obtient 5/18. Le degré de précision est donc 2. 32.

a) Si on note f l’intégrant, t1 , t2 , t3 et w1 , w2 , w3 les 3 nœuds et poids de Gauss-Legendre, on a ∫ F = 0

1 4



1 2

f (x) dx + 1 4



3 4

f (x) dx + 1 2



1

f (x) dx +

f (x) dx 3 4

On effectue le changement de variables sur chaque sous-intervalle et on applique la formule de quadrature. Puisque les poids sont les mêmes, on peut faire une mise en facteur et obtenir : ( ( ) ( ) ( ) 3 1∑ ti + 1 ti + 3 ti + 5 F ≈ wi f +f +f 8 8 8 8 i=1 ( )) ti + 7 +f 8 On peut maintenant prendre les nœuds et les poids dans le tableau 6.8 et obtenir : F = 0,246 448 371 250 480, ce qui nous donne une précision de 5 × 10−4 en faisant 12 évaluations fonctionnelles. b) Pour la méthode des trapèzes composée, l’erreur sera inférieure à 5 × 10−4 si :

Réponses aux exercices

463

1 max |f ′′ (t)| ≤ 5 × 10−4 12n2 Une représentation graphique montre que le maximum de f ′′ est au plus 315. On veut donc que : n2 ≥

315 × 104 ⇒ n ≥ 230 60

Le nombre d’évaluations fonctionnelles sera de 230. Un calcul sur ordinateur donne 0,245 914 605 882 472, ce qui montre que la quadrature de Gauss-Legendre est très précise. ∫ 1 33. On se ramène sur [−1, 1] et on doit évaluer π f (πt + π) dt −1

≈ w1 f (π(t1 + 1)) + w2 f (π(t2 + 1)) + w3 f (π(t3 + 1)) + w4 f (π(t4 + 1)) = 7,820 887 734. L’erreur absolue est environ de 0,18 avec 4 nœuds. Avec 4 sous-intervalles, c’est-à-dire 5 nœuds, la méthode de Simpson 1/3 donne 8,01823 pour une erreur absolue de 0,37. 34.

a) La différence centrée s’écrit en prenant respectivement h et 2h : f ′ (x0 ) ≃

f (x0 + h) − f (x0 − h) 2h

f (x0 + 2h) − f (x0 − 2h) 4h Puisqu’il s’agit d’une approximation d’ordre 2, l’extrapolation de Richardson donne alors : ) ( ) ( f (x0 +2h)−f (x0 −2h) (x0 −h) 22 f (x0 +h)−f − 2h 4h f ′ (x0 ) ≃

22 − 1 et l’on obtient en simplifiant la formule donnée. b) En utilisant h = 0,1, on trouve 0,999 996 66 tandis qu’avec h = 0,3 on trouve 0,999 727 092. Les erreurs absolues respectives obtenues en comparant avec la valeur exacte 1 sont respectivement 3,3375×10−6 et 2,7291 × 10−4 . Le rapport des valeurs de h est 3 et le rapport des erreurs est 81,77 ≃ 34 , ce qui donne un ordre n = 4. 35.

a) On peut prendre une différence centrée d’ordre 2 avec h = 0,1 et l’on trouve P ′ (X ≤ 1,2) ≃ 0,194 328. En prenant ensuite h = 0,2, on trouve P ′ (X ≤ 1,2) ≃ 0,194 7465. On fait ensuite une extrapolation de Richardson (avec n = 2) pour obtenir P ′ (X ≤ 1,2) ≃ 0,194 1885 qui est une approximation d’ordre 4. La valeur exacte est : 1 2 P ′ (X ≤ 1,2) = √ e−(1,2) /2 = 0,194 186 055 2π et l’erreur commise est de 0,2445 × 10−5 .

464

Réponses aux exercices b) On prend directement une différence centrée d’ordre 2 (pour la dérivée seconde) pour obtenir P ′′ (X ≤ 1,2) ≃ −0,232 720.

36. On se place en t = 15. Une différence centrée d’ordre 2 avec h = 10 donne T ′ (15) ≃ −1, 835. Prenant ensuite h = 5, on obtient T ′ (15) ≃ −1, 63. Une extrapolation de Richardson donne l’approximation d’ordre 4 : T ′ (15) ≃ −1, 561 6667. On a alors en divisant, k ≃ 0,1001.

Réponses aux exercices du chapitre 7 1.

a) Euler : y1 = 2, y2 = 2,009 0929, y3 = 2,027 202 49 Euler modifiée : y1 = 2,004 546 487, y2 = 2,018 118 919, y3 = 2,040 539 939 Runge-Kutta d’ordre 4 : y1 = 2,004 541 741, y2 = 2,018 109 47, y3 = 2,040 526 45 b) Euler : y1 = 0,2, y2 = 0,425, y3 = 0,687 0625 Euler modifiée : y1 = 0,2125, y2 = 0,456 850 69, y3 = 0,749 830 45 Runge-Kutta d’ordre 4 : y1 = 0,211 7831, y2 = 0,455 527 18, y3 = 0,748 199 c) Euler : y1 = 2,2, y2 = 2,443 1376, y3 = 2,741 543 Euler modifiée : y1 = 2,221 5688, y2 = 2,494 994, y3 = 2,836 326 Runge-Kutta d’ordre 4 : y1 = 2,221 8007, y2 = 2,495 651, y3 = 2,837 7328

2.

a) Pour h = 0,1, y(0,3) ≃ y3 = 3,170 000 1557 avec une erreur absolue de 0,001 977 b) Pour h = 0,05, y(0,3) ≃ y6 = 3,171 450 217 avec une erreur absolue de 0,000 527 c) Le rapport des erreurs est de 3,75 ≃ 22 , ce qui confirme que la méthode est d’ordre 2. (22 ×3,171 450 217−3,170 000 1557) = 3,171 933 572 d) Richardson : 3

3.

a) Pour h = 0,1, y(0,3) ≃ y3 = 3,171 976 0094 avec une erreur absolue de 0,1599 × 10−5 b) Pour h = 0,05, y(0,3) ≃ y6 = 3,171 977 5025 avec une erreur absolue de 0,83 × 10−7 c) Le rapport des erreurs est de 19,26 ≃ 24 , ce qui confirme que la méthode est d’ordre 4. (24 ×3,171 977 5025−3,171 976 0094) = 3,171 977 601 d) Richardson : 15

4.

b) L’algorithme s’écrit : yn+1 = yn +h(2yn ) = (1+2h)yn et on a donc : yn+1 = (1 + 2h)((1 + 2h)yn−1 ) = (1 + 2h)2 ((1 + 2h)yn−2 ) .. = . = (1 + 2h)n y0 = 5(1 + 2h)n c) On peut chercher la constante en calculant en /hn .

Réponses aux exercices n 2 10 20 100 200 5.

hn 0,5 0,1 0,05 0,01 0,005

en 16,9462 5,9866 3,3077 0,7220 0,3651

465

en /hn 33,9 59,9 66,7 72,2 73,0

et donc K ≃ 73. a) En procédant comme à l’exercice b) précédent, on obtient yn = 2(1 − 11h)n . La solution exacte est y(t) = 2e−11t . b) Pour h = 0,2 (N = 5), la solution oscille entre des valeurs positives et négatives et est inacceptable. Pour h = 0,1 (N = 10), il y a encore des oscillations, mais elles sont très faibles. Au début, la solution est mauvaise, mais elle devient acceptable par la suite puisque l’on approche 0. Pour h = 0,09 la solution numérique est essentiellement nulle, ce qui est acceptable après le premier noeud et il n’y a pas d’oscillation puisque h < 1/11. Pour h = 0,01 la décroissance exponentielle est quasi parfaite. c) Pour la méthode d’Euler modifiée, on a : ( ) h 121h2 yn+1 = yn + (−11yn − 11(yn + h(−11yn ))) = yn 1 − 11h + 2 2 On obtient exactement le même résultat avec la méthode du pointmilieu. Si on se fie au cas précédent, on voit que, pour que le comportement de la solution numérique reflète bien celui de la solution exacte, il faut que le facteur qui multiplie yn soit dans (0, 1) c.-à-d. : 1 − 11h +

121 2 h ∈ (0, 1) 2

2 ce qui est vrai si h ∈ (0, 11 ). Ceci nous donne un intervalle deux fois plus long que dans le cas (b). 6. Il suffit d’utiliser la définition de l’erreur de troncature locale et de faire les développements de Taylor appropriés. 7. y11 = 2,331 733, y21 = 1,321 041, y12 = 2,734 468, y22 = 1,688 708 8. a)   y1′ (t) = y2 (t) (y1 (0) = 2) y2′ (t) = y3 (t) (y2 (0) = 2)  y ′ (t) = y (t) + y (t) − y (t) + 1 (y (0) = 1) 3 2 1 3 3

b)

{

c)

 ′ y (t)   1′ y2 (t) ′   y3′ (t) y4 (t)

y1′ (t) = y2 (t) (y1 (1) = 0) ′ 2 2 y2 (t) = (y1 (t)) + t + 1 (y2 (1) = 2) = = = =

y2 (t) y3 (t) y4 (t) et y3 (t) + (y4 (t))3

(y1 (0) = 2) (y2 (0) = 1) (y3 (0) = 0) (y4 (0) = 4)

466 9.

Réponses aux exercices a)

b)

  y1′′ (x) y1 (0)  y ′ (0) 1  ′′  y2 (x) y2 (0)  y ′ (0) 2 { {

= −y1′ (x) + 2y1 (x) − 16 = −7 = 0 = −y2′ (x) + 2y2 (x) − 16 = −7 = 1

u′1 (x) = u2 (x) (u1 (0) = −7) u′2 (x) = −u2 (x) + 2u1 (x) − 16 (u2 (0) = 0)

v1′ (x) = v2 (x) (v1 (0) = −7) v2′ (x) = −v2 (x) + 2v1 (x) − 16 (v2 (0) = 1) ( ) ( ) y1 (b)−yb b −y2 (b) c) Puisque y(x) = y1y(b)−y y (x) + 1 y1 (b)−y2 (b) y2 (x) on a : 2 (b) y(1,2) = −29,6158y1 (1,2) + 30,6158y2 (1,2) = 0,730 2166 × 101 ( ′ ′ ) ( ′ ) yb −y2 (b) y1 (b)−yb′ d) Puisque y(x) = y′ (b)−y y1 (x) + y′ (b)−y y2 (x) on a : ′ (b) ′ (b) 1

2

1

2

y(1,2) = −29,6158y1 (1,2) + 30,6158y2 (1,2) = 0,730 2166 × 101 10. Il suffit de prouver que y(x) est bien une solution de l’équation différentielle et que y(a) = ya et y ′ (b) = yb′ . 11. Il suffit de prouver que y(x) est bien une solution de l’équation différentielle et que y ′ (a) = ya′ et y(b) = yb . 2 2 11 −3t 12. a) y(t) = − + t + e et y(t) satisfait bien la condition initiale. 9 3 9 D’autre part, 2 11 −3t y ′ (t) = + − e , 3 3

−3y(t) =

2 11 −3t − 2t − e , 3 3

et on voit que la relation y ′ (t) = 2t − 3y(t) est bien satisfaite. b) Voici ce qu’on obtient en prenant un pas h = 0,25 : i. 1 + 0,25 (−3 + (0,125)(2 + (−3)(−3))) = 0,593 75 ii. 1 + 0,125((−3) − 0,25) = 0,593 75 Ce sont bien les mêmes approximations. c) Il suffit de développer les deux algorithmes.

yn+1 = = yn+1 = =

Méthode de Taylor : 2 yn + h(2 tn − 3 yn ) + ( h2 )(2 − 3(2 tn − 3 yn )) 2 (1 − 3h + 9h2 )yn + htn (2 − 3 h) + h2 Méthode d’Euler modifiée : yn + ( h2 ) {(2 tn − 3 yn ) +2(tn + h) − 3 [yn + h(2 tn − 3 yn )]} 2 (1 − 3h + 9h2 )yn + htn (2 − 3 h) + h2

Réponses aux exercices

467

La réponse est toujours la même, car lorsque l’on passe de la méthode de Taylor aux méthodes de Runge-Kutta d’ordre 2, on néglige les termes qui dépendent des dérivées partielles d’ordre ≥ 2 de f (t, y). Or dans le cas présent, ces dérivées sont toutes nulles et on ne change donc rien. 13.

a) Cette équation est séparable. Son intégration conduit à : −

1 t2 2 2 = + C ⇒ y(t) = − 2 ⇒ y(t) = − 2 . y 2 t + 2C t −2

Le dénominateur s’annule pour t =



2.

b) Si on veut représenter la solution sur [ 0, 1,41 ] (il ne faut pas se √ rendre à t = 2) avec la méthode d’Euler explicite, il faut prendre un pas très petit (h = 1,41/1000) pour obtenir une bonne approximation de la dernière section de la courbe. On obtient une aussi bonne approximation avec la méthode d’Euler modifiée pour h = 1,41/100. Cependant, on observera aussi que toutes les méthodes ont de la difficulté à donner une √ bonne approximation de la solution en t = b si b s’approche de 2, ce qui est normal. En se limitant à la méthode d’Euler explicite, on peut observer que si le pas h est grand, par exemple 0,2, on peut intégrer sur [0, 2] sans problème. Si on dimimue le pas pour augmenter la précision, la méthode va exploser et donnera « Inf » pour toutes les valeurs √ plus grande que 2. Il y aurait donc moyen de vérifier la présence de singularités à partir des résultats numériques. 14. Regardons par exemple les résultats au noeud t = 0,4 : Méthode itérations Erreur Euler 250 0,046 146 Point milieu 10 0,052 549 Runge-Kutta d’ordre 4 2 0,007 175 Chaque pas de la méthode d’Euler explicite exige une évaluation de f (t, y) et donc 250 évaluations au total. Pour la méthode du point-milieu, il faut deux évaluations par pas de temps et donc 20 évaluations pour une précision comparable. Pour la méthode de Runge-Kutta d’ordre 4, il faut 4 évaluations par pas de temps soit 8 au total pour une précision nettement supérieure. 15. Prédiction-correction d’ordre 2 : la première valeur a été obtenue à l’exercice 1a) à l’aide de la méthode de Runge-Kutta d’ordre 4. Prédiction-correction d’ordre 2 t ynp yn 0,1 2,004 5417 0,2 2,018 1527 2,018 0947 0,3 2,040 6062 2,040 4857 0,4 2,071 5964 2,071 4053

468

Réponses aux exercices Prédiction-correction d’ordre 4 : les 3 premières valeurs ont été obtenues à l’exercice 1a) à l’aide de la méthode de Runge-Kutta d’ordre 4. Prédiction-correction d’ordre 4 t ynp yn 0,1 2,004 5417 0,2 2,018 1095 0,3 2,040 5264 0,4 2,071 4899 2,071 4842 0,5 2,110 5338 2,110 5267 0,6 2,157 0371 2,157 0304

16. On pose a0 (x) = −(x + 2), a1 (x) = 1 + x2 et a2 (x) = 0, et l’on obtient le système de dimension 4 suivant :      0,176 4,88 −2,0 0,0 0,0 y1 −2,0 0,0   y2   0,192   −2,0 4,48  0,0 −2,0 4,346 667 −2,0   y  =  0,208  3 4,224 0,0 0,0 −2,0 4,28 y4 [ ]T dont la solution est 0,290 236 0,620 176 1,002 959 1,455 588 . 17. On obtient le système : −yi−1 + (2 + ha1 (xi ) + h2 a2 (xi ))yi + (−1 + ha2 (xi ))yi+1 = −h2 a0 (xi ) pour i = 1, 2, 3, . . . , (n − 1). La première équation (i = 1) fait intervenir y0 = ya et le terme correspondant est envoyé à droite. De même, la dernière équation (i = n − 1) utilise yn = yb . L’ordre de cette méthode de différences finies est 1. 18. En posant x1 (t) = x(t), x2 (t) = x′ (t), x3 (t) = y(t), x4 (t) = y ′ (t), on obtient le système :  ′ x1 (t) = x2 (t) x1 (0) = 0,4    −x (t)  1 ′  x2 (t) = x2 (0) = 0,0  3    ((x1 (t))2 + (x3 (t))2 ) 2   x′3 (t) = x4 (t)     −x3 (t)  ′   x4 (t) = 3 ((x1 (t))2 + (x3 (t))2 ) 2

x3 (0) = 0,0 x4 (0) = 2,0

19. En posant x1 (t) = x(t), x2 (t) = x′ (t), x3 (t) = y(t), x4 (t) = y ′ (t), on obtient le système :  ′ x (t) = x2 (t) x1 (0) = 1    1′ 2 x2 (t) = 2ωx4 (t) sin ψ − k x1 (t) x2 (0) = 0 ′ (t) = x (t) x x3 (0) = 0  4   3′ x4 (t) = −2ωx2 (t) sin ψ − k 2 x3 (t) x4 (0) = 0 On peut alors résoudre par une méthode de Runge-Kutta d’ordre 4 pour une plus grande précision.

Réponses aux exercices 20.

469

a) On a h = 1, ce qui donne y10 = 41,525 827 03 m/s. b) On prend une différence centrée avec h = 12 et l’on trouve : v ′ (4,5) ≃

v(5) − v(4) = 3,887 15 m/s2 2 × 12

c) La méthode de Simpson 1/3 donne 60,6656 m. d) Si l’on souhaite une approximation d’ordre 4, on peut utiliser la méthode de Simpson 1/3 dans les 2 premiers intervalles et la méthode de Simpson 3/8 dans les 3 intervalles suivants (S1 ) ou encore Simpson 3/8 dans les 3 premiers intervalles et ensuite Simpson 1/3 dans les 2 derniers (S2 ). On obtient ainsi : S1 = 17,163 031 33 + 72,220 7325 = 89,383 763 83 m ou encore : S2 = 36,261 7155 + 53,121 813 33 = 89,383 528 83 m 21.

22.

a) Il suffit de remplacer y(t) = y1 (t) + cy2 (t) dans l’équation différentielle et d’utiliser les équations différentielles qui définissent y1 (t) et y2 (t). b) On résout l’équation y1 (0) + cy2 (0) = y1 (1) + cy2 (1) et l’on trouve c = 0,581 977 605. c) y(0,5) = 0,459 518. a) Il suffit de regarder le terme y(x)y ′ (x) qui est non linéaire. b) Dans l’équation différentielle pour yβ (x), β est la pente en x = 1. Trouver la bonne valeur de β revient donc à déterminer l’angle de tir en x = 1 de sorte qu’en x = 3, on ait yβ (3) = 43 3 . c) { ′ u1 (x) = u2((x) ) u1 (1) = 17 u′2 (x) = 18 32 + 2x3 − u1 (x)u2 (x) u2 (1) = β d) On utilise la méthode de la sécante (voir le chapitre 2) pour résoudre f (β) = yβ (3) − 43 3 = 0. On pose β1 = −10 et β2 = −12 et l’on a f (β1 ) = f (−10) = 16,525 53 − 43 3 = 2,192 196 67 et f (β2 ) = 43 f (−12) = 15,467 17 − 3 = 1,133 836 67. On en tire : β3 = β2 −

f (β2 )(β2 − β1 ) = −14,142 629 484 f (β2 ) − f (β1 )

On obtient ainsi une meilleure valeur de β . On doit ensuite poursuivre les itérations avec β3 et calculer une nouvelle valeur de y1 (3) par la méthode de Runge-Kutta. La méthode de la sécante permet d’itérer et de modifier β jusqu’à ce que la valeur de yβ (3) − 43 3 soit très petite.

Bibliographie [1] Alessandrini, S.M.: A Motivational Example for the Numerical Solution of Two-Point Boundary Value Problems. SIAM Review, 37(3), 1995. [2] Asher, U. M. et Petzold L. R.: Computer Methods for Ordinary Differential Equations and Differential-Agebraic Equations. SIAM, Philadelphia, USA, 1998. [3] Bourdeau, M. et J. Gélinas: Analyse numérique élémentaire. Gaëtan Morin éditeur, Chicoutimi, 1982. [4] Brière, F.G.: Distribution et collecte des eaux. Presses internationales Polytechnique, Montréal, deuxième édition, 2000. [5] Burden, R.L. et J.D. Faires: Numerical Analysis. Brooks/Cole, Pacific Grove, septième édition, 2001, ISBN 0-534-38216-9. [6] Carreau, P.J., D. De Kee et R.P. Chhabra: Rheology of Polymeric Systems : Principles and Applications. Hanser, Munich, 1997. [7] Chapra, C.S. et R.P. Canale: Numerical Methods for Engineers. McGrawHill, New York, deuxième édition, 1988, ISBN 0-07-079984-9. [8] Cheney, W. et D. Kincaid: Numerical Mathematics and Computing. Pacific Grove, Brooks-Cole, troisième édition, 1994. [9] Cody, Jr. W.D. et W. Waite: Software Manuel for the Elementary Functions. Prentice Hall, Englewood Cliffs, 1980, ISBN 0-13-822064-6. [10] Cooley, J. W. et J. W. Tukey: An algorithm for the machine calculation of complex Fourier series. Math. Comput., 19 :297—-301, 1965. [11] Derrick, W.R. et S.I. Grossman: Introduction to Differential Equations. West Publishing Company, St-Paul, troisième édition, 1987. [12] Derrida, B., A. Gervois et Y. Pomeau: Universal Metric Properties of Bifurcations and Endomorphisms. Journal of Physics A, 12(3) :269–296, 1979. [13] Duchon, J.: Interpolation des fonctions de deux variables suivant le principe de la flexion des plaques minces. RAIRO, Analyse numérique, 10 :5– 12, 1976. [14] Farin, G.: NURBS for Curve and Surface Design. AK Peters Inc., Boston, deuxième édition, 1999. [15] Fehlberg, E.: Klassische Runge-Kutta Formeln vierter und niedrigerer Ordnung mit Schrittweiten-Kontrolle und ihre Anwendung auf Wärmeleitungsprobleme. Computing, 6 :61–71, 1970. 471

472

Bibliographie

[16] Feigenbaum, M.: Universal Behavior in Nonlinear Systems. Physica 5D, pages 16–39, 1983. [17] Forni, O.: Dans la ronde des soixante lunes. Science & Vie, 196, Septembre 1996. [18] Fortin, M. et R. Pierre: Analyse numérique MAT-10427. Université Laval, Québec, 1993. [19] Gander, W. et D. Gruntz: Derivation of Numerical Methods Using Computer Algebra. SIAM Review, 41(3) :577–593, 1999. [20] Gerald, C.F. et P.O. Wheatly: Applied Numerical Analysis. AddisonWesley, Reading, sixième édition, 1999, ISBN 0-201-87072-X. [21] Gulick, D.: Encounters with Chaos. McGraw-Hill, New York, 1992. [22] Institute for Electric and Electronic Engineers, New York: IEEE Recommended Practices and Requirements for Harmonic Control in Electrical Power Systems, 1993. Norme Std 519-1992. [23] James, M. L., G. M. Smith et J. C. Wolford: Applied Numerical Methods for Digital Computation. Harper-Collins College Publishers, New York, quatrième édition, 1993, ISBN 0-06-500494-9. [24] Kreyszig, E.: Advanced Engineering Mathematics. Wiley, New York, sixième édition, 1988. [25] Krige, D.G.: A Statistical Method for Mine Variation Problems in the Witwatersrand. Journal of Chemistry and Metallurgy of the Mining Society of South Africa, 52 :119–139, 1951. [26] Lorenz, E.N.: Deterministic Nonperiodic Flow. Journal of Atmospheric Sciences, 20 :130–141, 1963. [27] Mandelbrot, B.: The Fractal Geometry of Nature. W.H. Freeman and Co., San Francisco, 1982. [28] Matheron, G.: The Intrinsec Ramdom Functions and their Applications. Advances in Applied Probability, 5 :439–468, 1973. [29] The MathWorks Inc.: Matlab User’s guide, 1996. [30] Rappaz, J. et M. Picasso: Introduction à l’analyse numérique. Presses polytechniques et universitaires romandes, Lausanne, 1998. [31] Reddy, J.N.: An Introduction to the Finite Element Method. McGraw-Hill, New York, deuxième édition, 1993. [32] Scheid, F.: Numerical Analysis. Schaum’s Outline Series. McGraw-Hill, New York, 1968. [33] Simmons, G.S.: Differential Equations with Applications and Historical Notes. McGraw-Hill, New York, 1972. [34] Strang, G.: Introduction to Applied Mathematics. Wellesley-Cambridge Press, Wellesley, 1986. [35] Thomas, B.T. Jr. et R.L. Finney: Calculus and Analytic Geometry. Addison-Wesley, Reading, huitième édition, 1992. [36] Trochu, F.: A Contouring Program Based on Dual Kriging Interpolation. Engineering with Computers, 9 :160–177, 1993. [37] Varga, R.: Matrix Iterative Analysis. Prentice-Hall, Englewood Cliffs, 1962.

Index écart successif, 64 équation différentielle raide, 376 élimination des chiffres significatifs, 23 équation aux différences, 346 équation différentielle, 341 A-stabilité, 381 abscisses d’interpolation, 207 algorithme de calcul d’une racine carrée, 73 algorithme de Horner, 26, 27 algorithme de la bissection, 50 algorithme de la méthode d’Euler explicite, 345 algorithme de la méthode d’Euler modifiée, 355 algorithme de la méthode de la sécante, 77 algorithme de la méthode de Newton, 68 algorithme de la méthode de Taylor d’ordre 2, 351 algorithme de la méthode du point milieu, 356 algorithme de Newton pour les systèmes, 145 algorithme de Steffenson, 65 algorithme des points fixes, 56, 187 algorithme pour les splines cubiques, 236 algorithme précision machine, 15 algorithme Runge-Kutta d’ordre 4, 357 algorithme Runge-Kutta d’ordre 4 pour les systèmes, 370 application quadratique, 167 approximation de Padé, 38 arrondi, 9, 11, 19 attracteur, 171 attracteur de Hénon, 195 attracteur de Lorenz, 409 attracteur étrange, 195, 409

B-splines, 270 bassin d’attraction, 59, 180 bit, 7 boucle, 154 chiffre significatif, 3 condition initiale, 341 conditionnement d’une matrice, 137 conduite, 154 consistance, 84 constante de Feigenbaum, 175 convergence superlinéaire, 80 coque mince, 258 degré d’exactitude, 310 degré de précision, 310 descente triangulaire, 98 diagramme de bifurcation, 176 différence avant d’ordre 1, 294 distance d’influence, 248 double précision, 14 décomposition de Crout, 109, 111 dédoublement de période, 174 dérivation numérique, 291 dérive, 243 développement de Taylor, 28, 30 effet pépite, 249 ensemble de Mandelbrot, 178, 195 erreur absolue, 2 erreur d’interpolation, 221 erreur de troncature, 2, 27, 30 erreur de troncature locale, 347, 365 erreur relative, 2 erreur relative en pourcentage, 2 extrapolation, 223 extrapolation d’Aitken, 65 extrapolation de Richardson, 302 factorisation de Choleski, 119, 120 ferme, 149

473

474

Index

fluctuation aléatoire, 243 formule aux différences, 294 formule de Lagrange, 213 formule de Newton, 216 formule de quadrature, 310 formule de Simpson 1/3 simple, 311 formule des trapèzes composée, 307 formules d’Adams-Bashforth, 365 formules d’Adams-Moulton, 366 formules de Newton-Cotes, 304 fractale, 195 fréquences incommensurables, 408 grand ordre, 32 indice de pseudoplasticité, 84 interpolant d’une fonction, 208 intégration numérique, 291 inégalité de Cauchy, 134 inégalité triangulaire, 133, 135 krigeage, 242 krigeage dual, 242 loi puissance, 84 méthode d’Euler implicite, 380 méthode des trapèzes implicite, 382 mantisse, 8 mantisse normalisée, 12 matrice convergente, 188 matrice creuse, 195 matrice définie positive, 121 matrice de Fourier, 266 matrice de Vandermonde, 209 matrice inverse, 96 matrice jacobienne, 144, 190 matrice mal conditionnée, 127 matrice tridiagonale, 122, 123 matrice à diagonale strictement dominante, 201 membrure, 149 mise à l’échelle, 131, 132 module complexe, 176 modèle de Carreau, 152 moindres carrés, 84, 152 mot, 7 multiplicité d’une racine, 73 méthode de Gauss-Seidel, 202 méthode de Horner, 218

méthode de Jacobi, 197 méthode de la fausse position, 54, 86 méthode de Newton (cas complexe), 176 méthode de Newton modifiée, 148 méthode de Newton pour les systèmes, 143 méthode de Runge-Kutta-Fehlberg, 360 méthode de tir, 384, 386 méthode des différences finies, 397 méthode directe, 118 méthode du point milieu, 356 méthode du trapèze, 305 méthode fermée, 54 méthode ouverte, 54 méthode à pas multiples, 346, 363 méthode à un pas, 346 nœud, 154, 208, 270 nœuds d’interpolation, 207 nombre non normalisé, 17 norme complexe, 176 norme de Frobenius, 136 norme IEEE-754, 14, 19 norme induite, 135 norme matricielle, 135 norme subordonnée, 135 norme vectorielle, 133, 134 notation compacte, 113 notation flottante, 11, 19 NURBS, 270 O(hn ), 32 opération élémentaire, 101 orbite, 173, 177 orbite n-périodique, 205 orbite 2-périodique, 173 ordre d’une approximation, 33 ordre de convergence, 59 pas de temps, 343 pendule, 5 permutation de lignes, 102 pivot, 105, 112 poids d’intégration, 323 point 2-périodique, 173 point d’interpolation, 207 point d’intégration, 323 point d’échantillonnage, 259 point de collocation, 207

Index point de contrôle, 276 point fixe, 54, 187 point fixe attractif, 60 point fixe en dimension n, 187 point flottant, 11 polynôme d’interpolation, 207 polynôme de collocation, 207 polynôme de Newton, 214 polynôme de Taylor, 29 polynôme trigonométrique, 259 problème d’interpolation, 207 produit scalaire, 134 précision machine, 12, 141 quadrature de Gauss-Radau, 339 quadratures de Gauss-Legendre, 322 racine, 49 racine multiple, 73 rayon spectral, 188 remontée triangulaire, 98 représentation binaire, 7 représentation en complément à 2, 10 représentation par excès, 10 rotule, 149 schéma prédicteur-correcteur, 366 simple précision, 14 solution générale, 342 solution particulière, 342 spline cubique, 229, 230 spline de base, 270 spline de Bézier, 276 spline linéaire, 230, 245 spline naturelle, 234 stabilité absolue, 377 substitution successive, 97 système diagonal, 97 taux de convergence, 59, 74 théorème de la moyenne, 306 transformée de Fourier discrète, 263 transformée de Fourier rapide, 264 troncature, 9, 11, 19, 27 vecteur de permutation, 115 vecteur des nœuds, 270 vecteur nodal, 270 vecteur résidu, 144 virgule flottante, 11

zéro-stabilité, 348 zéro d’une fonction, 49

475

Analyse numérique pour ingénieurs Quatrième édition

Depuis plusieurs années, l’analyse numérique connaît un essor considérable et la plupart des facultés de sciences et de génie offrent au moins un cours d’introduction à cette discipline. La maîtrise de cet outil extrêmement performant est devenue indispensable dans la formation scientifique en général, et en particulier dans celle des ingénieurs, puisqu’elle permet d’aborder et de résoudre des problèmes dont la solution est inimaginable par les méthodes analytiques classiques. Ce livre couvre notamment l’analyse d’erreurs, les racines d’équations algébriques, les systèmes d’équations linéaires et non linéaires, les techniques d’interpolation, la différentiation et l’intégration numériques ainsi que les systèmes d’équations différentielles ordinaires. L’auteur met l’accent sur la compréhension profonde des méthodes proposées plutôt que sur la programmation, en présentant chaque thème à l’aide d’exemples, de figures, de tableaux et d’applications. Ce livre s’adresse aux étudiants en sciences et en génie ainsi qu’aux ingénieurs et aux scientifiques qui désirent acquérir des connaissances et des habiletés de base dans le domaine de l’analyse numérique. André Fortin est professeur au Département de mathématiques et de statistique de l’Université Laval à Québec. Il a enseigné au Département de mathématiques et de génie industriel de l’École Polytechnique de Montréal de 1984 à 2000. Il est également directeur du Groupe interdisciplinaire de recherche en éléments finis (GIREF) qui réunit des chercheurs provenant principalement de l’Université Laval et de l’École Polytechnique. Ce centre s’intéresse aux aspects théoriques et pratiques de la modélisation numérique et de ses applications industrielles.

ISBN : 978-2-553-01622-6

www.polymtl.ca/pub

Related Documents

Analyse
January 2021 2
Analyse Numerique.pdf
February 2021 0
Analyse Technique
January 2021 0
Analyse Financiere
February 2021 0
Analyse Granulometrique
January 2021 2

More Documents from "Selma Abalhssain Mestassi"